建设网站需要什么手续,wordpress黑客,做小程序好还是做微网站好,可信网站查询相关课程#xff1a;【音频信号处理及深度学习教程】 文章目录01 信号的时域分析1.1 分帧1.1.1 幅值包络1.1.2 均方根能量0
信号的叠加#xff1a;https://teropa.info/harmonics-explorer/
一个复杂信号分解成若干简单信号分量之和。不同个频率信号的叠加: 由于和差化积【音频信号处理及深度学习教程】
文章目录01 信号的时域分析1.1 分帧1.1.1 幅值包络1.1.2 均方根能量0
信号的叠加https://teropa.info/harmonics-explorer/
一个复杂信号分解成若干简单信号分量之和。不同个频率信号的叠加: 由于和差化积会形成包络结构与精细结构。 由上图可知低频信号决定了信号的包络形状,高频信号决定其精细结构。
在语音识别中,主要通过信号的包络结构来区分不同音频信号,因此在识别领域更关注低频作用
1 信号的时域分析
1.1 分帧 分帧将信号按照时间尺度分割每一段的长度就是长frame_size分出n段为的个数frame_num如果不考虑重叠分帧那么该信号总的采样点数为frame_size * frame_n um。
分帧重叠为了让分后的信号更加平滑需要重叠分帧也就是下一帧中包含上一帧的采样点那么包含的点数就是重叠长度hop_size。
分帧补零帧的个数frame_num 总样本数N / 重叠数hop_size(分不补零)因为的个数frame_num是整数为了不舍弃最后一帧不能凑成一个完整长的点需要对信号补零。此时帧的个数frame num (总样本数N - 帧长frame size)/ 重叠数hop _size(分补零)1
1.1.1 幅值包络
幅值包络依次寻找每一帧的幅值最大值将每一帧中幅值最大值连起来就是幅值包络响度、音频检测、音频分类 现提取第t帧的AE值其中k是采样点数t是序列数K是每一帧的帧长采样点k点在t k,(t1) k-1
代码如下
import librosa
import numpy as np
import librosa.display
from matplotlib import pyplot as pltwave_path_absolute rE:\VoiceDev\audio_data\music_piano.wav
wave_path ../audio_data/music_piano.wav
# 1. 加载信号以及采样率
waveform, sample_rate librosa.load(wave_path_absolute, srNone)# 2. 定义AE函数功能是取信号每一帧中幅值最值为该帧的包络
# 信号每一帧长重叠长度
def Calc_Amplitude_Envelope(waveform, frame_length, hop_length):# 如果按照帧长来分割信号余下部分不能形成一个帧则需要补0if len(waveform) % hop_length ! 0:# ?frame_num int((len(waveform) - frame_length) / hop_length) 1pad_num frame_num * hop_length frame_length - len(waveform) # 补0个数waveform np.pad(waveform, pad_width(0, pad_num), modewrap) # 补0操作frame_num int((len(waveform) - frame_length) / hop_length) 1waveform_ae []for t in range(frame_num):current_frame waveform[t * (frame_length - hop_length):t * (frame_length - hop_length) frame_length]current_ae max(current_frame)waveform_ae.append(current_ae)return np.array(waveform_ae)# 3. 设置参数每一帧长1024以50%的重叠率分帧调用该函数
frame_size 1024
hop_size int(frame_size * 0.5)
waveform_AE Calc_Amplitude_Envelope(waveformwaveform, frame_lengthframe_size, hop_lengthhop_size)# 4.绘制信号的幅值包络信息
frame_scale np.arange(0, len(waveform_AE))
time_scale librosa.frames_to_time(frame_scale, hop_lengthhop_size)
plt.figure(figsize(20, 10))
librosa.display.waveshow(waveform)
plt.plot(time_scale, waveform_AE, colorred)
plt.title(Amplitude_Envelope)
plt.show() 1.1.2 均方根能量
均方根能量Root mean square energy响度、音频分段分类
依次寻找每一帧中的RMSE它的值为第t帧中每点幅值平方再取均值后开根号 代码如下
# 0. 预设环境
import librosa
import numpy as np
from matplotlib import pyplot as plt
import librosa.display# 1.加载信号
wave_path_absolute rE:\VoiceDev\audio_data\music_piano.wav
wave_path ../audio_data/music_piano.wav
waveform, sample_rate librosa.load(wave_path_absolute, srNone)# 2.定义函数RMS功能计算每一帧的均方根能量
def Calc_RMS(waveform, frame_length, hop_length):# 如果按照帧长来分割信号余下部分不能形成一个帧则需要补0if len(waveform) % hop_length ! 0:# ?frame_num int((len(waveform) - frame_length) / hop_length) 1pad_num frame_num * hop_length frame_length - len(waveform) # 补0个数waveform np.pad(waveform, pad_width(0, pad_num), modewrap) # 补0操作frame_num int((len(waveform) - frame_length) / hop_length) 1waveform_rms []for t in range(frame_num):current_frame waveform[t * (frame_length - hop_length):t * (frame_length - hop_length) frame_length]current_rms np.sqrt(np.sum(current_frame**2) / frame_length)waveform_rms.append(current_rms)return waveform_rms# 3. 设置参数每一帧长1024以50%的重叠率分帧调用该函数
frame_size 1024
hop_size int(frame_size * 0.5)
waveform_RMS Calc_RMS(waveformwaveform, frame_lengthframe_size, hop_lengthhop_size)# 4.绘制图像
frame_scale np.arange(0, len(waveform_RMS), step1)
time_scale librosa.frames_to_time(frame_scale, hop_lengthhop_size)
plt.figure(figsize(20, 10))
plt.plot(time_scale, waveform_RMS, colorred)
plt.title(Root-Mean-Square-Energy)
librosa.display.waveshow(waveform)
plt.show()# 5. 利用librosa.feature.rms绘制信号的RMS
waveform_RMS_librosa librosa.feature.rms(ywaveform, frame_lengthframe_size, hop_lengthhop_size).T[1:,0]
plt.figure(figsize(20, 10))
plt.plot(time_scale, waveform_RMS_librosa, colorred)
plt.title(Root-Mean-Square-librosa)
librosa.display.waveshow(waveform)
plt.show()bias waveform_RMS_librosa - waveform_RMS
print(fthe bias is {bias}\n Congratulation!)
运行结果红色线即均方根能量
