个人中心
gpt4 book ai didi

梅尔频率倒谱系数（mfcc）及Python实现

转载 作者：qq735679552 更新时间：2022-09-28 22:32:09 27 4
gpt4 key购买 nike

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:

梅尔频率倒谱系数（mfcc）及Python实现

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:

梅尔频率倒谱系数（mfcc）及Python实现

下图为赫兹频率内的mel滤波器，带通滤波器个数为24:

梅尔频率倒谱系数（mfcc）及Python实现

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！ 。

27 4 0
文章推荐： PyQt5 对图片进行缩放的实例
文章推荐： python绘制一元二次方程曲线的实例分析
文章推荐： C站最全Python标准库总结,你想要的都在这里
文章推荐： Python实现列表拼接和去重的三种方式
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com