语音信号实验1-基于时域分析技术的语音识别

参考链接：https://www.cnblogs.com/LXP-Never/p/10078200.html

1. 读取语音信号，从.wav文件中读取语音信号的信息

　　　　参考：https://www.jianshu.com/p/947528f3dff8

　　重点理解，如何读取语音信号的通道数、采样率、比特数、采样点数等等。

　　我们找到了一个数据集，为了知道怎么处理该数据集，我首先分析了该数据集的格式

# 读Wave文件并且绘制波形
import wave
import matplotlib.pyplot as plt
import numpy as np

# 打开WAV音频
f = wave.open(r"recording_0_6.wav", "rb")

# 音频头 参数
params = f.getparams()
nchannels, sampwidth, framerate, nframes = params[:4]

print("音频头参数：", params)
print("通道数(Channels)：", nchannels)
print("采样率(SampleRate)：", framerate)
print("比特(Precision)：", sampwidth*8)
print("采样点数(frames)：", nframes)
print("帧数或者时间(Duration)：", nframes/framerate)

# 读取nframes个数据，返回字符串格式, 读取波形数据
str_data = f.readframes(nframes)

f.close()

# 将字符串转换为数组，得到一维的short类型的数组, 并归一化
wave_data = np.fromstring(str_data, dtype=np.short)
wave_data = wave_data*1.0/(max(abs(wave_data)))

# 绘制波形图
wave_data.shape = -1, 1
wave_data = wave_data.T
time = np.arange(0, nframes) * (1.0 / framerate)
plt.plot(time, wave_data[0])
plt.xlabel("time (seconds)")
plt.show()

　　我找的数据集格式为

　　　　通道数(Channels)： 1
　　　　采样率(SampleRate)： 44100
　　　　比特(Precision)： 16
　　　　采样点数(frames)： 88200
　　　　帧数或者时间(Duration)： 2.0

　　注：安装pyaudio参考  https://blog.csdn.net/happywlg123/article/details/107281936

　　　　　　　　　　　　https://blog.csdn.net/qq_39157144/article/details/94716974?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242

　　　　　　安装文件　　https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio

 

　　2. 分帧和加窗

https://blog.csdn.net/YAOHAIPI/article/details/102826051?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160447502819725222418661%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=160447502819725222418661&utm_medium=distribute.pc_search_result.none-task-code-2~all~first_rank_v2~rank_v28-1-102826051-19.pc_first_rank_v2_rank_v28&utm_term=python%E5%88%86%E5%B8%A7%E5%8A%A0%E7%AA%97&spm=1018.2118.3001.4449

　　3. 端点检测

https://blog.csdn.net/rocketeerli/article/details/83307435