梅爾倒譜系數(shù)MFCC怎么實(shí)現(xiàn)

這篇文章主要為大家展示了“梅爾倒譜系數(shù)MFCC怎么實(shí)現(xiàn)”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“梅爾倒譜系數(shù)MFCC怎么實(shí)現(xiàn)”這篇文章吧。

具體內(nèi)容如下

""" 
@author: zoutai
@file: mymfcc.py 
@time: 2018/03/26 
@description:
"""
from matplotlib.colors import BoundaryNorm
import librosa
import librosa.display
import numpy
import scipy.io.wavfile
from scipy.fftpack import dct
import matplotlib.pyplot as plt
import numpy as np


# 第一步-讀取音頻，畫出時(shí)域圖（采樣率-幅度）
sample_rate, signal = scipy.io.wavfile.read('OSR_us_000_0010_8k.wav') # File assumed to be in the same directory
signal = signal[0:int(3.5 * sample_rate)]
# plot the wave
time = np.arange(0,len(signal))*(1.0 / sample_rate)
# plt.plot(time,signal)
plt.xlabel("Time(s)")
plt.ylabel("Amplitude")
plt.title("Signal in the Time Domain ")
plt.grid('on')#標(biāo)尺，on：有，off:無。


# 第二步-預(yù)加重
# 消除高頻信號。因?yàn)楦哳l信號往往都是相似的，
# 通過前后時(shí)間相減，就可以近乎抹去高頻信號，留下低頻信號。
# 原理：y(t)=x(t)?αx(t?1)

pre_emphasis = 0.97
emphasized_signal = numpy.append(signal[0], signal[1:] - pre_emphasis * signal[:-1])


time = np.arange(0,len(emphasized_signal))*(1.0 / sample_rate)
# plt.plot(time,emphasized_signal)
# plt.xlabel("Time(s)")
# plt.ylabel("Amplitude")
# plt.title("Signal in the Time Domain after Pre-Emphasis")
# plt.grid('on')#標(biāo)尺，on：有，off:無。


# 第三步、取幀，用幀表示
frame_size = 0.025 # 幀長
frame_stride = 0.01 # 步長

# frame_length-一幀對應(yīng)的采樣數(shù), frame_step-一個(gè)步長對應(yīng)的采樣數(shù)
frame_length, frame_step = frame_size * sample_rate, frame_stride * sample_rate # Convert from seconds to samples
signal_length = len(emphasized_signal) # 總的采樣數(shù)

frame_length = int(round(frame_length))
frame_step = int(round(frame_step))

# 總幀數(shù)
num_frames = int(numpy.ceil(float(numpy.abs(signal_length - frame_length)) / frame_step)) # Make sure that we have at least 1 frame

pad_signal_length = num_frames * frame_step + frame_length
z = numpy.zeros((pad_signal_length - signal_length))
pad_signal = numpy.append(emphasized_signal, z) # Pad Signal to make sure that all frames have equal number of samples without truncating any samples from the original signal

# Construct an array by repeating A（200） the number of times given by reps（348）.
# 這個(gè)寫法太妙了。目的：用矩陣來表示幀的次數(shù)，348*200，348-總的幀數(shù)，200-每一幀的采樣數(shù)
# 第一幀采樣為0、1、2...200;第二幀為80、81、81...280..依次類推
indices = numpy.tile(numpy.arange(0, frame_length), (num_frames, 1)) + numpy.tile(numpy.arange(0, num_frames * frame_step, frame_step), (frame_length, 1)).T
frames = pad_signal[indices.astype(numpy.int32, copy=False)] # Copy of the array indices
# frame：348*200，橫坐標(biāo)348為幀數(shù)，即時(shí)間；縱坐標(biāo)200為一幀的200毫秒時(shí)間，內(nèi)部數(shù)值代表信號幅度

# plt.matshow(frames, cmap='hot')
# plt.colorbar()
# plt.figure()
# plt.pcolormesh(frames)


# 第四步、加漢明窗
# 傅里葉變換默認(rèn)操作的時(shí)間段內(nèi)前后端點(diǎn)是連續(xù)的，即整個(gè)時(shí)間段剛好是一個(gè)周期，
# 但是，顯示卻不是這樣的。所以，當(dāng)這種情況出現(xiàn)時(shí)，仍然采用FFT操作時(shí)，
# 就會(huì)將單一頻率周期信號認(rèn)作成多個(gè)不同的頻率信號的疊加，而不是原始頻率，這樣就差生了頻譜泄漏問題

frames *= numpy.hamming(frame_length) # 相乘，和卷積類似
# # frames *= 0.54 - 0.46 * numpy.cos((2 * numpy.pi * n) / (frame_length - 1)) # Explicit Implementation **

# plt.pcolormesh(frames)


# 第五步-傅里葉變換頻譜和能量譜

# _raw_fft掃窗重疊，將348*200，擴(kuò)展成348*512
NFFT = 512
mag_frames = numpy.absolute(numpy.fft.rfft(frames, NFFT)) # Magnitude of the FFT
pow_frames = ((1.0 / NFFT) * ((mag_frames) ** 2)) # Power Spectrum


# plt.pcolormesh(mag_frames)
#
# plt.pcolormesh(pow_frames)


# 第六步，F(xiàn)ilter Banks濾波器組
# 公式：m=2595*log10(1+f/700)；f=700(10^(m/2595)?1)
nfilt = 40 #窗的數(shù)目
low_freq_mel = 0
high_freq_mel = (2595 * numpy.log10(1 + (sample_rate / 2) / 700)) # Convert Hz to Mel
mel_points = numpy.linspace(low_freq_mel, high_freq_mel, nfilt + 2) # Equally spaced in Mel scale
hz_points = (700 * (10**(mel_points / 2595) - 1)) # Convert Mel to Hz
bin = numpy.floor((NFFT + 1) * hz_points / sample_rate)

fbank = numpy.zeros((nfilt, int(numpy.floor(NFFT / 2 + 1))))
for m in range(1, nfilt + 1):
 f_m_minus = int(bin[m - 1]) # left
 f_m = int(bin[m])  # center
 f_m_plus = int(bin[m + 1]) # right

 for k in range(f_m_minus, f_m):
 fbank[m - 1, k] = (k - bin[m - 1]) / (bin[m] - bin[m - 1])
 for k in range(f_m, f_m_plus):
 fbank[m - 1, k] = (bin[m + 1] - k) / (bin[m + 1] - bin[m])
filter_banks = numpy.dot(pow_frames, fbank.T)
filter_banks = numpy.where(filter_banks == 0, numpy.finfo(float).eps, filter_banks) # Numerical Stability
filter_banks = 20 * numpy.log10(filter_banks) # dB;348*26

# plt.subplot(111)
# plt.pcolormesh(filter_banks.T)
# plt.grid('on')
# plt.ylabel('Frequency [Hz]')
# plt.xlabel('Time [sec]')
# plt.show()


#
# 第七步，梅爾頻譜倒譜系數(shù)-MFCCs
num_ceps = 12 #取12個(gè)系數(shù)
cep_lifter=22 #倒譜的升個(gè)數(shù)？？
mfcc = dct(filter_banks, type=2, axis=1, norm='ortho')[:, 1 : (num_ceps + 1)] # Keep 2-13
(nframes, ncoeff) = mfcc.shape
n = numpy.arange(ncoeff)
lift = 1 + (cep_lifter / 2) * numpy.sin(numpy.pi * n / cep_lifter)
mfcc *= lift #*

# plt.pcolormesh(mfcc.T)
# plt.ylabel('Frequency [Hz]')
# plt.xlabel('Time [sec]')


# 第八步，均值化優(yōu)化
# to balance the spectrum and improve the Signal-to-Noise (SNR), we can simply subtract the mean of each coefficient from all frames.

filter_banks -= (numpy.mean(filter_banks, axis=0) + 1e-8)
mfcc -= (numpy.mean(mfcc, axis=0) + 1e-8)

# plt.subplot(111)
# plt.pcolormesh(mfcc.T)
# plt.ylabel('Frequency [Hz]')
# plt.xlabel('Time [sec]')
# plt.show()


# 直接頻譜分析
# plot the wave
# plt.specgram(signal,Fs = sample_rate, scale_by_freq = True, sides = 'default')
# plt.ylabel('Frequency(Hz)')
# plt.xlabel('Time(s)')
# plt.show()



plt.figure(figsize=(10, 4))
mfccs = librosa.feature.melspectrogram(signal,sr=8000,n_fft=512,n_mels=40)
librosa.display.specshow(mfccs, x_axis='time')
plt.colorbar()
plt.title('MFCC')
plt.tight_layout()
plt.show()

以上是“梅爾倒譜系數(shù)MFCC怎么實(shí)現(xiàn)”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！