python 一帧一帧提取MFCC特征

在Python中，提取MFCC（Mel Frequency Cepstral Coefficients）特征通常用于音频处理和分析，特别是在语音识别和情感分析等领域。以下是一般步骤：

1. **导入库**：
首先，你需要安装`pydub`来处理音频文件，`numpy`进行数值计算，以及`librosa`，它是专门用于音乐和信号处理的库。

import pydub
import numpy as np
from librosa.feature import mfcc

2. **加载音频**：
使用`pydub`从.wav或其他支持的音频文件读取数据。

audio = pydub.AudioSegment.from_file("your_audio_file.wav")
waveform = audio.get_array_of_samples()

3. **预处理**：
将波形转换为单声道，并设置采样率，这是mfcc计算所必需的。

 mono_waveform = waveform.mean(axis=1)
 sample_rate = audio.frame_rate

4. **分帧**：
利用`librosa`的`frame()`函数将音频信号切割成一段段固定长度的小窗口（帧），并添加滑动窗口。

frames = librosa.util.frame(mono_waveform, frame_length=2048, hop_length=512, win_length=None)
frames = frames.T

5. **计算MFCC**：
对每一帧应用`mfcc()`函数，这会生成一组梅尔频率倒谱系数。

mfccs = mfcc(frames, sr=sample_rate, n_mfcc=13) # 参数n_mfcc指定保留多少个系数

6. **归一化**：
有时候，为了更好地对比，可以对结果进行归一化处理。

mfccs_normalized = (mfccs - np.min(mfccs)) / (np.max(mfccs) - np.min(mfccs))

至此，你就得到了音频文件的一帧一帧的MFCC特征。你可以将这个数组作为时间序列数据进行进一步的分析或模型训练。