admin管理员组文章数量:1650793
librosa.feature.mfcc参数介绍
librosa.feature.mfcc(y=None, sr=22050, S=None, n_mfcc=20, dct_type=2, norm=‘ortho’, **kwargs)
y:np.ndarray [shape=(n,)] 或 None
音频时间序列
sr:number > 0 [scalar]
y的采样率
S:np.ndarray [shape=(d, t)] or None
对数功能梅尔谱图
n_mfcc: int > 0 [scalar]
要返回的MFCC数量
dct_type:None, or {1, 2, 3}
离散余弦变换(DCT)类型。默认情况下,使用DCT类型2。
norm:None or ‘ortho’
规范。如果dct_type为2或3,则设置norm =’ortho’使用正交DCT基础。
标准化不支持dct_type = 1。
kwargs:额外的关键参数
参数melspectrogram,如果按时间序列输入操作
返回: M:np.ndarray [shape=(n_mfcc, t)]
MFCC序列
librosa.feature.mfcc的使用
import librosa
y, sr = librosa.load(‘i1.wav’,sr=None)
mfccs = librosa.feature.mfcc(y=y, sr=sr,n_mfcc=24)
librosa.feature.mfcc这个函数内部是这样的:
– Mel spectrogram and MFCCs –
def mfcc(y=None, sr=22050, S=None, n_mfcc=20, **kwargs):
if S is None:
S = logamplitude(melspectrogram(y=y, sr=sr, **kwargs))
return np.dot(filters.dct(n_mfcc, S.shape[0]), S)
可以看出,如果只给定原始的时域信号(即S参数为None),librosa会先通过melspectrogram()函数先提取时域信号y的梅尔频谱,存放到S中,再通过filters.dct()函数做dct变换得到y的梅尔倒谱系数。
参考
Python中使用librosa包进行mfcc特征参数提取 https://blog.csdn/qq_39516859/article/details/80679718
版权声明:本文标题:【librosa】librosa.feature.mfcc介绍 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://www.elefans.com/dongtai/1729533462a1205109.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论