梅尔谱 python

梅尔频率倒谱系数（Mel-frequency cepstral coefficients，简称MFCC）是一种在语音识别、音乐信息检索等领域广泛应用的特征提取方法。在Python中，可以使用librosa库来计算MFCC。

示例代码：

import librosa

# 读取音频文件
y, sr = librosa.load('audio.wav')

# 计算MFCC
mfccs = librosa.feature.mfcc(y=y, sr=sr)

相关问题

python和pytorch提取梅尔谱

以下是使用Python和PyTorch提取梅尔频谱图的示例代码：

import librosa
import torch

# 加载音频文件
audio_file = 'example.wav'
y, sr = librosa.load(audio_file, sr=16000)

# 提取梅尔频谱图
n_fft = 2048
hop_length = 512
n_mels = 128
mel_spec = librosa.feature.melspectrogram(y=y, sr=sr, n_fft=n_fft, hop_length=hop_length, n_mels=n_mels)

# 转换为对数刻度
log_mel_spec = librosa.power_to_db(mel_spec, ref=np.max)

# 转换为PyTorch张量
log_mel_spec = torch.from_numpy(log_mel_spec).unsqueeze(0).float()

上述代码中，我们首先使用Librosa库加载音频文件，并使用`librosa.feature.melspectrogram`函数提取梅尔频谱图。然后，我们将其转换为对数刻度，并使用PyTorch将其转换为张量。

通过预加重，分帧，加窗，快速傅里叶变换，求谱线能量，通过梅尔滤波器组得到肺音lung.wav的梅尔谱图，python代码

以下是基于Python的实现：

import numpy as np
import scipy.signal as signal
import scipy.io.wavfile as wavfile

# 设置预加重系数
pre_emphasis = 0.97

# 设置帧长、帧移、窗函数长度
frame_length = 0.025  # 25ms
frame_step = 0.01  # 10ms
num_filters = 40
NFFT = 512

# 读取音频文件
sample_rate, signal_data = wavfile.read('lung.wav')

# 预加重
emphasized_signal = np.append(signal_data[0], signal_data[1:] - pre_emphasis * signal_data[:-1])

# 分帧
frame_length = int(round(frame_length * sample_rate))
frame_step = int(round(frame_step * sample_rate))
num_frames = int(np.ceil(float(np.abs(len(emphasized_signal) - frame_length)) / frame_step))

pad_signal_length = num_frames * frame_step + frame_length
z = np.zeros((pad_signal_length - len(emphasized_signal)))
pad_signal = np.append(emphasized_signal, z)

indices = np.tile(np.arange(0, frame_length), (num_frames, 1)) + \
          np.tile(np.arange(0, num_frames * frame_step, frame_step), (frame_length, 1)).T
frames = pad_signal[indices.astype(np.int32, copy=False)]

# 加窗
frames *= np.hamming(frame_length)

# 傅里叶变换
mag_frames = np.absolute(np.fft.rfft(frames, NFFT))

# 计算能量谱
pow_frames = ((1.0 / NFFT) * ((mag_frames) ** 2))

# 梅尔滤波器
low_freq_mel = 0
high_freq_mel = (2595 * np.log10(1 + (sample_rate / 2) / 700))  # 根据公式计算
mel_points = np.linspace(low_freq_mel, high_freq_mel, num_filters + 2)  # 在梅尔频率上均匀分布
hz_points = (700 * (10 ** (mel_points / 2595) - 1))  # 将梅尔频率转换为线性频率
bin = np.floor((NFFT + 1) * hz_points / sample_rate)

# 创建滤波器组
fbank = np.zeros((num_filters, int(np.floor(NFFT / 2 + 1))))
for m in range(1, num_filters + 1):
    f_m_minus = int(bin[m - 1])  # 左频率
    f_m = int(bin[m])  # 中心频率
    f_m_plus = int(bin[m + 1])  # 右频率

    for k in range(f_m_minus, f_m):
        fbank[m - 1, k] = (k - bin[m - 1]) / (bin[m] - bin[m - 1])
    for k in range(f_m, f_m_plus):
        fbank[m - 1, k] = (bin[m + 1] - k) / (bin[m + 1] - bin[m])

filter_banks = np.dot(pow_frames, fbank.T)
filter_banks = np.where(filter_banks == 0, np.finfo(float).eps, filter_banks)  # 防止出现log(0)的情况
filter_banks = 20 * np.log10(filter_banks)  # dB

# 绘制梅尔谱图
import matplotlib.pyplot as plt

plt.imshow(filter_banks.T, origin='lower', aspect='auto')
plt.title('Mel Spectrogram of lung.wav')
plt.xlabel('Frame')
plt.ylabel('Mel Filter')
plt.colorbar()
plt.show()

输出结果：