MFCC特征提取

提取mfcc特征

# coding=utf-8
# 计算每一帧的MFCC系数

import numpy
from sigprocess import audio2frame
from sigprocess import pre_emphasis
from sigprocess import spectrum_power
from scipy.fftpack import dct

# 首先，为了适配版本3.x，需要调整xrange的使用，因为对于版本2.x只能使用range，需要将xrange替换为range
try:
    xrange（1）
except:
    xrange = range


def calcMFCC_delta_delta（signal samplerate=16000 win_length=0.025 win_step=0.01 cep_num=13 filters_num=26
                         NFFT=512 low_freq=0 high_freq=None pre_emphasis_coeff=0.97 cep_lifter=22
                         appendEnergy=True）:
    ‘‘‘计算13个MFCC+13个一阶微分系数+13个加速系数一共39个系数
    ‘‘‘
    feat = calcMFCC（signal samplerate win_length win_step cep_num filters_num NFFT low_freq high_freq
                    pre_emphasis_coeff cep_lifter appendEnergy）  # 首先获取13个一般MFCC系数
    result1 = derivate（feat）
    result2 = derivate（result1）
    result3 = numpy.concatenate（（feat result1） axis=1）
    result = numpy.concatenate（（result3 result2） axis=1）
    return result


def calcMFCC_delta（signal samplerate=16000 win_length=0.025 win_step=0.01 cep_num=13 filters_num=26 NFFT=512
                   low_freq=0 high_freq=None pre_emphasis_coeff=0.97 cep_lifter=22 appendEnergy=True）:
    ‘‘‘计算13个MFCC+13个一阶微分系数
    ‘‘‘
    feat = calcMFCC（signal samplerate win_length win_step cep_num filters_num NFFT low_freq high_freq
                    pre_emphasis_coeff cep_lifter appendEnergy）  # 首先获取13个一般MFCC系数
    result = derivate（feat）  # 调用derivate函数
    result = numpy.concatenate（（feat result） axis=1）
    return result


def derivate（feat big_theta=2 cep_num=13）:
    ‘‘‘计算一阶系数或者加速系数的一般变换公式
    参数说明:
    feat:MFCC数组或者一阶系数数组
    big_theta:公式中的大theta，默认取2
    ‘‘‘
    result = numpy.zeros（feat.shape）  # 结果
    denominator = 0  # 分母
    for theta in numpy.linspace（1 big_theta big_theta）:
        denominator = denominator + theta ** 2
    denominator = denominator * 2  # 计算得到分母的值
    for row in numpy.linspace（0 feat.shape[0] - 1 feat.shape[0]）:
        tmp = numpy.zeros（（cep_num））
        numerator = numpy.zeros（（cep_num））  # 分子
        for t in numpy.linspace（1 cep_num cep_num）:
            a = 0
            b = 0
            s = 0
            for theta in numpy.linspace（1 big_theta big_theta）:
                if （t + theta） > cep_num:
                    a = 0
                else:
                    a = feat[int（row）][int（t + theta - 1）]
                if （t - theta） < 1:
                    b = 0
                else:
                    b = feat[int（row）][int（t - theta - 1）]
                s += theta * （a - b）
            numerator[int（t - 1）] = s
        tmp = numerator * 1.0 / denominator
        result[int（row）] = tmp
    return result


def calcMFCC（signal samplerate=16000 win_length=0.025 win_step=0.01 cep_num=13 filters_num=26 NFFT=512
             low_freq=0 high_freq=None pre_emphasis_coeff=0.97 cep_lifter=22 ap

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2020-12-09 19:36  MFCC\
     文件        9286  2020-11-10 16:19  MFCC\calcmfcc.py
     文件         920  2020-11-19 17:08  MFCC\getWave.py
     文件        4526  2020-11-22 22:58  MFCC\MFCC_test.py
     文件        5878  2020-11-10 15:20  MFCC\sigprocess.py