语音信号MFCC特征提取

项目包含全部的代码，实现wav格式的语音信号的MFCC特征提取。

#coding=utf-8
#计算每一帧的MFCC系数

import numpy as np
from preprocessing import audio2frame
from preprocessing import pre_emphasis
from preprocessing import spectrum_power
from scipy.fftpack import dct
import myplot
import math

#适配3.x版本的xrange
try:
    xrange（1）
except:
    xrange=range

def envelope（x）:
    n=len（x）
    env=np.zeros（n）
    for i in range（n）:
        j=max（0 i-5）
        k=min（i+5 n-1）
        env[i]=np.mean（x[j:k]）
    return env

def fbank（signal samplerate=16000 win_length=0.025 win_step=0.01 filters_num=26 NFFT=512 \
    low_freq=0 high_freq=None pre_emphasis_coeff=0.97）:
    ‘‘‘
    计算音频信号的经过梅尔三角滤波的能量谱
    参数说明：
    samplerate:采样频率
    win_length:窗长度，每一帧的时间间隔
    win_step:窗间隔
    filters_num:梅尔滤波器个数
    NFFT:FFT采样点个数
    low_freq:最低频率
    high_freq:最高频率
    pre_emphasis_coeff:预加重系数
    ‘‘‘
    high_freq=high_freq or samplerate/2 #计算音频样本的最大频率
    signal_emp=pre_emphasis（signal pre_emphasis_coeff）#预加重处理
    raw_spectrum=np.absolute（np.fft.fft（signal））
    emp_spectrum=np.absolute（np.fft.fft（signal_emp））
    #画出预加重前后的频域图
    myplot.plot_spectrum（10*np.log10（raw_spectrum） 10*np.log10（emp_spectrum） samplerate）

    #画出原始和预加重之后的时域图
    myplot.plot_signal1（signal signal_emp samplerate）

    frames=audio2frame（signal_emp win_length*samplerate win_step*samplerate）#得到帧数组
    #画出分帧之后的每一帧加上hamming窗之后的时域图，在此之前，在audio2frame中会先将原始的frame画出来
    myplot.plot_frames（frames np.shape（frames）[0] np.shape（frames）[1]）
    #myplot.plot_hamming（frames[77:]）

    spec_power=spectrum_power（frames NFFT）#得到每一帧的能量谱
    env=envelope（spec_power[1 :]）
    #画出某一帧的频谱包络图，这里选取第一帧
    myplot.plot_envelope（10*np.log10（spec_power[1 :]） 10*np.log10（env） NFFT samplerate）

    energy=np.sum（spec_power 1）#对每一帧的能量谱求和
    energy=np.where（energy==0 np.finfo（float）.eps energy）#对能量为0的地方调整为eps， 方便进行对数处理
    #画出每一帧没有经过滤波器组的功率谱和热图
    myplot.plot_power_before_mel（10*np.log10（spec_power） NFFT np.shape（frames）[0] samplerate）
    #myplot.plot_power_heatmap_before_mel（10*np.log10（spec_power））

    fb freq_point=get_filter_banks（filters_num NFFT samplerate low_freq high_freq）#获得每一个滤波器的频率宽度
    #画出滤波器组的形状
    myplot.plot_fbank（fb NFFT filters_num samplerate）

    feat=np.dot（spec_power fb.T）#对滤波器和能量谱进行点乘
    #得到num_frames*num_filter大小的矩阵，也就是得到了每一帧用滤波器组计算（将能量用滤波器进行加重）之后的结果
    feat=np.where（feat==0 np.finfo（float）.eps feat）#同样不能出现0
    #画出经过滤波器组滤波的每一帧功率谱，注意这个时候的频率标度已经不是线性的了，是按照滤波器中心频率来标的
    myplot.plot_power_after_mel（freq_point np.arange（0 np.shape（frames）[0] 1） 10*np.log10（feat））
    return feat energy

def get_filter_banks（filters_num=20 NFFT=512 samplerate=16000 low_freq=0 high_freq=None）:
    ‘‘‘
    计算梅尔三角间距滤波器，该滤波器在第一个和第三个频率处为0，在第二个频率处为1
    参数说明：
    filters_num: 滤波器个数
    NFFT:FFT的总计的个数
    samplerate:采样频率
    low_freq:最低频率
    high_freq:最高频率
    ‘‘‘
    #首先，将频率hz转化为梅尔频率，因为人耳分辨声音的大小与频率并非线性正比，所以化为梅尔频率再线性分割
    low_mel=hz2mel（low_freq）
    high_mel=hz2mel（high_freq）
    #需要在low_mel和high_mel之间等间距插入filters_num个点，一个filters_num+2个点

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       9378  2018-03-20 21:46  code\calcmfcc.py

     文件       4639  2018-03-20 22:20  code\myplot.py

     文件       5251  2018-03-20 10:04  code\preprocessing.py

     文件        313  2018-03-20 10:05  code\test.py

     文件      41964  2018-03-17 23:29  code\test.wav

     目录          0  2018-03-21 08:30  code

----------- ---------  ---------- -----  ----

                61545                    6