【Numpy核心编程攻略：Python数据处理、分析详解与科学计算】3.20 用NumPy进行音频特征提取

3.20 用NumPy进行音频特征提取

目录

3.20.1 音频特征提取的基本概念

音频特征提取是从音频信号中提取有用信息的过程。这些特征可以用于各种任务，如音频分类、语音识别、音乐推荐等。音频特征可以分为时域特征和频域特征两大类。

• 时域特征：直接从时域信号中提取，常见的时域特征包括：

  • 零交叉率（Zero Crossing Rate）：信号在一段时间内穿过零点的次数。
  • 能量和过零率（Energy and Zero Crossing Rate）：信号的能量和过零率。
  • 峰值检测（Peak Detection）：信号的峰值位置。

• 频域特征：通过对信号进行频域转换（如傅里叶变换）后提取，常见的频域特征包括：

  • 频谱图（Spectrogram）：信号在不同时间段的频率分布。
  • 梅尔频率倒谱系数（Mel Frequency Cepstral Coefficients, MFCC）：反映信号在梅尔频率尺度上的倒谱特征。
  • 基频（Fundamental Frequency）：信号的主频率。

3.20.2 使用NumPy进行音频特征提取的方法

NumPy 是一个强大的科学计算库，可以用于处理和分析音频信号。以下是一些使用 NumPy 进行音频特征提取的方法：

1. 频谱图提取

   频谱图是通过短时傅里叶变换（Short-Time Fourier Transform, STFT）生成的，可以显示信号在不同时间段的频率分布。

   • 原理介绍：STFT 将音频信号分成多个短时窗口，对每个窗口进行傅里叶变换，生成频谱图。
   • 代码实现：

     import numpy as np
     import matplotlib.pyplot as plt
     from scipy.io import wavfile
     
     # 读取音频文件
     fs, x = wavfile.read('audio.wav')  # 读取音频文件，fs 为采样频率，x 为音频数据
     
     # 定义短时窗口长度和重叠率
     window_size = 1024  # 窗口长度
     overlap = 512  # 重叠长度
     
     # 计算短时傅里叶变换
     def stft(x, window_size, overlap):
         hop_size = window_size - overlap
         num_frames = 1 + int((len(x) - window_size) / hop_size)  # 计算帧数
         frames = [x[i * hop_size:i * hop_size + window_size] for i in range(num_frames)]  # 提取帧
         frames = np.array(frames)
         frames = np.fft.fft(frames)  # 对每个帧进行傅里叶变换
         return frames
     
     # 生成频谱图
     X = stft(x, window_size, overlap)
     
     # 绘制频谱图
     plt.figure(figsize=(15,<