Python如何提取頻域特征

這篇文章主要為大家展示了“Python如何提取頻域特征”，內(nèi)容簡(jiǎn)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“Python如何提取頻域特征”這篇文章吧。

在多數(shù)的現(xiàn)代語音識(shí)別系統(tǒng)中，人們都會(huì)用到頻域特征。梅爾頻率倒譜系數(shù)（MFCC）,首先計(jì)算信號(hào)的功率譜，然后用濾波器和離散余弦變換的變換來提取特征。

首先創(chuàng)建有一個(gè)Python文件，并導(dǎo)入庫文件：     from scipy.io import wavfile     from python_speech_features import mfcc, logfbank     import matplotlib.pylab as plt1、首先創(chuàng)建有一個(gè)Python文件，并導(dǎo)入庫文件：     from scipy.io import wavfile     from python_speech_features import mfcc, logfbank     import matplotlib.pylab as plt

讀取音頻文件：

samplimg_freq, audio = wavfile.read("data/input_freq.wav")

提取MFCC特征和過濾器特征：

     mfcc_features = mfcc(audio, samplimg_freq)

     filterbank_features = logfbank(audio, samplimg_freq)

打印參數(shù)，查看可生成多少個(gè)窗體：

   print('\nMFCC:\nNumber of windows =', mfcc_features.shape[0])

   print('Length of each feature =', mfcc_features.shape[1])

   print('\nFilter bank:\nNumber of windows=', filterbank_features.shape                                                         [0])

   print('Length of each feature =', filterbank_features.shape[1])

將MFCC特征可視化。轉(zhuǎn)換矩陣，使得時(shí)域是水平的：

   mfcc_features = mfcc_features.T

   plt.matshow(mfcc_features)

   plt.title('MFCC')

將濾波器組特征可視化。轉(zhuǎn)化矩陣，使得時(shí)域是水平的：

   filterbank_features = filterbank_features.T

   plt.matshow(filterbank_features)

   plt.title('Filter bank')

   

   plt.show()

以上是“Python如何提取頻域特征”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(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！