python PLP特征提取

PLP特征提取是一种用于语音信号处理的方法它通过一系列的信号预处理、离散傅里叶变换(DFT)、感知处理、逆离散傅里叶变换(IDFT)和线性预测分析等步骤来提取出语音信号的特征。

在Python中进行PLP特征提取可以使用librosa库。首先，需要导入必要的安装包，如numpy、wave、matplotlib.pyplot和librosa。

其次，可以使用librosa库的lpc函数来计算传统的LPC系数。需要注意的是，输入参数应为浮点型，且经过ifft得到的plp_data可能包含复数，因此需要取绝对值。

接下来，可以使用numpy库的fft函数计算PLP谱包络，然后使用matplotlib.pyplot库进行可视化展示。

最后，通过运行相应的代码，即可实现Python中的PLP特征提取。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [Python语音信号特征-感知线性预测系数PLP](https://blog.csdn.net/weixin_42485817/article/details/107590846)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]