对对python中中Librosa的的mfcc步骤详解步骤详解
1.对语音数据归一化对语音数据归一化
如16000hz的数据，会将每个点/32768
2.计算窗函数：（计算窗函数：（*注意注意librosa中不进行预处理）中不进行预处理）
3.进行数据扩展填充，他进行的是镜像填充（进行数据扩展填充，他进行的是镜像填充（”reflect”)
如原数据为 12345 -》 填充为4的，左右各填充4 即：5432123454321 即：5432-12345-4321
4.分帧分帧
5.加窗：对每一帧进行加窗，加窗：对每一帧进行加窗，
6.进行进行fft傅里叶变换傅里叶变换
librosa中fft计算，可以使用.net中的System.Numerics
MathNet.Numerics.IntegralTransforms.Fourier.Forward(FFT_frame, FourierOptions.Matlab) 计算，结果相同
7.mel计算（每一帧取计算（每一帧取20个特征点）个特征点）
Imports System.Numerics
Imports MathNet.Numerics
Imports MathNet.Numerics.IntegralTransforms
Module mfcc_module
Public Class Librosa
End Class
Dim pi As Double = 3.1415926535897931
Public Function spectrum(fft_data(,) As Complex) As Double(,)
Dim new_data(fft_data.GetLength(0) - 1, fft_data.GetLength(1) - 1) As Double
For n = 0 To fft_data.GetLength(0) - 1
' Debug.Print("////////////////////////spectrum//////////////////")
' Debug.Print("////////////////////////spectrum//////////////////")
For i = 0 To fft_data.GetLength(1) - 1
new_data(n, i) = fft_data(n, i).MagnitudeSquared
' Debug.Write(new_data(n, i) & " ")
Next
Next
Return new_data
End Function
Public Function FFT(data As Double(,)) As Complex(,)
Dim result(data.GetLength(0) - 1, 1024) As Complex
'2049 加了一个 数组类型 0 开始
Dim FFT_frame As Complex() = New Complex(data.GetLength(1) - 1) {}
For n = 0 To data.GetLength(0) - 1
For i As Integer = 0 To data.GetLength(1) - 1
FFT_frame(i) = data(n, i)
Next
MathNet.Numerics.IntegralTransforms.Fourier.Forward(FFT_frame, FourierOptions.Matlab)
For k = 0 To 1024
result(n, k) = FFT_frame(k)
Next
'Debug.Print("fft **************")
'For Each mem In FFT_frame
' Debug.Print(mem.ToString & " ")
剩余10页未读，继续阅读
weixin_38702047
- 粉丝: 3
- 资源: 968
我的内容管理
收起
- 我的资源
快来上传第一个资源
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助
评论0