- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章梅尔频率倒谱系数(mfcc)及Python实现由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
语音识别系统的第一步是进行特征提取,mfcc是描述短时功率谱包络的一种特征,在语音识别系统中被广泛应用.
1、mel滤波器 。
每一段语音信号被分为多帧,每帧信号都对应一个频谱(通过fft变换实现),频谱表示频率与信号能量之间的关系。mel滤波器是指多个带通滤波器,在mel频率中带通滤波器的通带是等宽的,但在赫兹(hertz)频谱内mel滤波器在低频处较密集切通带较窄,高频处较稀疏且通带较宽,旨在通过在较低频率处更具辨别性并且在较高频率处较少辨别性来模拟非线性人类耳朵对声音的感知.
赫兹频率和梅尔频率之间的关系为:
假设在梅尔频谱内,有m 个带通滤波器hm (k),0≤m<m,每个带通滤波器的中心频率为f(m) f(m)f(m)每个带通滤波器的传递函数为:
下图为赫兹频率内的mel滤波器,带通滤波器个数为24:
2、mfcc特征 。
mfcc系数提取步骤:
(1)语音信号分帧处理 (2)每一帧傅里叶变换---->功率谱 (3)将短时功率谱通过mel滤波器 (4)滤波器组系数取对数 (5)将滤波器组系数的对数进行离散余弦变换(dct) (6)一般将第2到底13个倒谱系数保留作为短时语音信号的特征 。
python实现 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
|
import
wave
import
numpy as np
import
math
import
matplotlib.pyplot as plt
from
scipy.fftpack
import
dct
def
read(data_path):
'''读取语音信号
'''
wavepath
=
data_path
f
=
wave.
open
(wavepath,
'rb'
)
params
=
f.getparams()
nchannels,sampwidth,framerate,nframes
=
params[:
4
]
#声道数、量化位数、采样频率、采样点数
str_data
=
f.readframes(nframes)
#读取音频,字符串格式
f.close()
wavedata
=
np.fromstring(str_data,dtype
=
np.short)
#将字符串转化为浮点型数据
wavedata
=
wavedata
*
1.0
/
(
max
(
abs
(wavedata)))
#wave幅值归一化
return
wavedata,nframes,framerate
def
enframe(data,win,inc):
'''对语音数据进行分帧处理
input:data(一维array):语音信号
wlen(int):滑动窗长
inc(int):窗口每次移动的长度
output:f(二维array)每次滑动窗内的数据组成的二维array
'''
nx
=
len
(data)
#语音信号的长度
try
:
nwin
=
len
(win)
except
exception as err:
nwin
=
1
if
nwin
=
=
1
:
wlen
=
win
else
:
wlen
=
nwin
nf
=
int
(np.fix((nx
-
wlen)
/
inc)
+
1
)
#窗口移动的次数
f
=
np.zeros((nf,wlen))
#初始化二维数组
indf
=
[inc
*
j
for
j
in
range
(nf)]
indf
=
(np.mat(indf)).t
inds
=
np.mat(
range
(wlen))
indf_tile
=
np.tile(indf,wlen)
inds_tile
=
np.tile(inds,(nf,
1
))
mix_tile
=
indf_tile
+
inds_tile
f
=
np.zeros((nf,wlen))
for
i
in
range
(nf):
for
j
in
range
(wlen):
f[i,j]
=
data[mix_tile[i,j]]
return
f
def
point_check(wavedata,win,inc):
'''语音信号端点检测
input:wavedata(一维array):原始语音信号
output:startpoint(int):起始端点
endpoint(int):终止端点
'''
#1.计算短时过零率
frametemp1
=
enframe(wavedata[
0
:
-
1
],win,inc)
frametemp2
=
enframe(wavedata[
1
:],win,inc)
signs
=
np.sign(np.multiply(frametemp1,frametemp2))
# 计算每一位与其相邻的数据是否异号,异号则过零
signs
=
list
(
map
(
lambda
x:[[i,
0
] [i>
0
]
for
i
in
x],signs))
signs
=
list
(
map
(
lambda
x:[[i,
1
] [i<
0
]
for
i
in
x], signs))
diffs
=
np.sign(
abs
(frametemp1
-
frametemp2)
-
0.01
)
diffs
=
list
(
map
(
lambda
x:[[i,
0
] [i<
0
]
for
i
in
x], diffs))
zcr
=
list
((np.multiply(signs, diffs)).
sum
(axis
=
1
))
#2.计算短时能量
amp
=
list
((
abs
(enframe(wavedata,win,inc))).
sum
(axis
=
1
))
# # 设置门限
# print('设置门限')
zcrlow
=
max
([
round
(np.mean(zcr)
*
0.1
),
3
])
#过零率低门限
zcrhigh
=
max
([
round
(
max
(zcr)
*
0.1
),
5
])
#过零率高门限
amplow
=
min
([
min
(amp)
*
10
,np.mean(amp)
*
0.2
,
max
(amp)
*
0.1
])
#能量低门限
amphigh
=
max
([
min
(amp)
*
10
,np.mean(amp)
*
0.2
,
max
(amp)
*
0.1
])
#能量高门限
# 端点检测
maxsilence
=
8
#最长语音间隙时间
minaudio
=
16
#最短语音时间
status
=
0
#状态0:静音段,1:过渡段,2:语音段,3:结束段
holdtime
=
0
#语音持续时间
silencetime
=
0
#语音间隙时间
print
(
'开始端点检测'
)
startpoint
=
0
for
n
in
range
(
len
(zcr)):
if
status
=
=
0
or
status
=
=
1
:
if
amp[n] > amphigh
or
zcr[n] > zcrhigh:
startpoint
=
n
-
holdtime
status
=
2
holdtime
=
holdtime
+
1
silencetime
=
0
elif
amp[n] > amplow
or
zcr[n] > zcrlow:
status
=
1
holdtime
=
holdtime
+
1
else
:
status
=
0
holdtime
=
0
elif
status
=
=
2
:
if
amp[n] > amplow
or
zcr[n] > zcrlow:
holdtime
=
holdtime
+
1
else
:
silencetime
=
silencetime
+
1
if
silencetime < maxsilence:
holdtime
=
holdtime
+
1
elif
(holdtime
-
silencetime) < minaudio:
status
=
0
holdtime
=
0
silencetime
=
0
else
:
status
=
3
elif
status
=
=
3
:
break
if
status
=
=
3
:
break
holdtime
=
holdtime
-
silencetime
endpoint
=
startpoint
+
holdtime
return
frametemp1[startpoint:endpoint]
def
mfcc(framek,framerate,win):
'''提取mfcc参数
input:framek(二维array):二维分帧语音信号
framerate:语音采样频率
win:分帧窗长(fft点数)
output:
'''
#mel滤波器
mel_bank,w2
=
mel_filter(
24
,win,framerate,
0
,
0.5
)
framek
=
framek.t
#计算功率谱
s
=
abs
(np.fft.fft(framek,axis
=
0
))
*
*
2
#将功率谱通过滤波器
p
=
np.dot(mel_bank,s[
0
:w2,:])
#取对数
logp
=
np.log(p)
#计算dct系数
# rdct = 12
# cdct = 24
# dctcoef = []
# for i in range(1,rdct+1):
# tmp = [np.cos((2*j+1)*i*math.pi*1.0/(2.0*cdct)) for j in range(cdct)]
# dctcoef.append(tmp)
# #取对数后做余弦变换
# d = np.dot(dctcoef,logp)
num_ceps
=
12
d
=
dct(logp,
type
=
2
,axis
=
0
,norm
=
'ortho'
)[
1
:(num_ceps
+
1
),:]
return
s,mel_bank,p,logp,d
def
mel_filter(m,n,fs,l,h):
'''mel滤波器
input:m(int):滤波器个数
n(int):fft点数
fs(int):采样频率
l(float):低频系数
h(float):高频系数
output:melbank(二维array):mel滤波器
'''
fl
=
fs
*
l
#滤波器范围的最低频率
fh
=
fs
*
h
#滤波器范围的最高频率
bl
=
1125
*
np.log(
1
+
fl
/
700
)
#将频率转换为mel频率
bh
=
1125
*
np.log(
1
+
fh
/
700
)
b
=
bh
-
bl
#频带宽度
y
=
np.linspace(
0
,b,m
+
2
)
#将mel刻度等间距
print
(
'mel间隔'
,y)
fb
=
700
*
(np.exp(y
/
1125
)
-
1
)
#将mel变为hz
print
(fb)
w2
=
int
(n
/
2
+
1
)
df
=
fs
/
n
freq
=
[]
#采样频率值
for
n
in
range
(
0
,w2):
freqs
=
int
(n
*
df)
freq.append(freqs)
melbank
=
np.zeros((m,w2))
print
(freq)
for
k
in
range
(
1
,m
+
1
):
f1
=
fb[k
-
1
]
f2
=
fb[k
+
1
]
f0
=
fb[k]
n1
=
np.floor(f1
/
df)
n2
=
np.floor(f2
/
df)
n0
=
np.floor(f0
/
df)
for
i
in
range
(
1
,w2):
if
i >
=
n1
and
i <
=
n0:
melbank[k
-
1
,i]
=
(i
-
n1)
/
(n0
-
n1)
if
i >
=
n0
and
i <
=
n2:
melbank[k
-
1
,i]
=
(n2
-
i)
/
(n2
-
n0)
plt.plot(freq,melbank[k
-
1
,:])
plt.show()
return
melbank,w2
if
__name__
=
=
'__main__'
:
data_path
=
'audio_data.wav'
win
=
256
inc
=
80
wavedata,nframes,framerate
=
read(data_path)
framek
=
point_check(wavedata,win,inc)
s,mel_bank,p,logp,d
=
mfcc(framek,framerate,win)
|
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我.
原文链接:https://blog.csdn.net/Luqiang_Shi/article/details/91049684 。
最后此篇关于梅尔频率倒谱系数(mfcc)及Python实现的文章就讲到这里了,如果你想了解更多关于梅尔频率倒谱系数(mfcc)及Python实现的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!