mfcc_deta2 = librosa.feature.delta(mfcc,order = 2)
时间: 2023-05-23 10:04:08 浏览: 47
可以通过使用 librosa 库中的 feature.delta() 函数来计算 MFCC 特征提取后的二阶 delta 序列,其中 mfcc 是 MFCC 特征提取的结果,order=2 表示计算两阶 delta 序列。
相关问题
mfcc_deta = librosa.feature.delta(mfcc)
这是一个关于音频信号处理的问题,其中 mfcc 是指Mel频率倒谱系数,librosa是一个Python包,用于音频信号处理和特征提取。在这个问题中,使用librosa.feature.delta()函数计算mfcc的一阶差分。如果您需要更详细的解释,可以提供更多信息。
mfcc_data = librosa.feature.mfcc(y=num, sr=samplerate, S=None, n_mfcc=1,hop_length=512, n_fft=2048)如何修改这段代码可以输出1乘4特征向量
要输出1x4的特征向量,你需要将n_mfcc参数设置为4,即:
```
mfcc_data = librosa.feature.mfcc(y=num, sr=samplerate, S=None, n_mfcc=4, hop_length=512, n_fft=2048)
```
这将输出一个形状为(4, num_frames)的数组,其中num_frames是音频信号中的帧数。如果你想将这个数组转换成一个1x4的特征向量,你可以将所有帧的MFCC系数平均化,如下所示:
```
mean_mfcc = mfcc_data.mean(axis=1)
feature_vector = mean_mfcc.reshape(1, -1)
```
这将计算每个MFCC系数的平均值,并将结果存储在一个形状为(4,)的向量中。然后,使用reshape方法将向量转换为形状为(1, 4)的矩阵,以获得所需的1x4特征向量。