python分析音频信号频谱,python做信号频率分析

  python分析音频信号频谱,python做信号频率分析

  许多现代语音识别系统都使用频域特征。个性化的咖啡豆频率倒谱系数(mfcc)首先计算信号的功率谱,通过滤波和离散馀弦变换提取特征。本文重点介绍了提取美尔倒谱系数特征的方法。

  首先创建大蟒文件,然后导入库文件来自scipy。ioimportwavfilefrompython _ speech _ featuresimportmfcc。logfbankiportmatplotlib。pylabsplt 1,首先创建大蟒文件,然后创建库文件,来自scipy。ioimportwavfilefrompython _ speech _ fean

  读取音频文件:

  samplimg_freq,audio=wav文件。read( data/input _ freq。wav’)。

  提取美尔倒谱系数特征和滤波器特征:

  MFCC_features=mfcc(音频,samplimg_freq)))))))))。

  滤波器bank _ features=logfbank (audio,samplimg_freq)))))))))))))))))))))))))))))))))))))。

  打印参数以确定可以生成的表单的数量。

  打印((nm FCC:(nnnumberofwindows=)、mfcc_features.shape[0])))))))))))。

  print( lengthfeachfeature=,mfcc_features.shape[1]

  打印((nfilterbank:(nnnumberofwindows=),filterbank_features.shape [0])))。

  print( lengthfeachfeature=,filterbank_features.shape[1])。

  可视化美尔倒谱系数的特征。将矩阵转换为时域水平:

  mfcc_features=mfcc_features.t

  PLT.matshow(mfcc_features))。

  工厂名称(mfcc)。

  可视化滤波器组的特征。将矩阵转换为时域水平:

  滤波器组_特征=滤波器组_特征

  PLT。mat show(滤波器组_特性)).

  PLT.title(filterbank )))))。

  plt.show())

  你想和很多网友交流吗?

  点击这个留言吧!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: