特征提取模块

特征提取模块

参数：

winlen –分析窗口的长度，以秒为单位。默认值为0.025s（25毫秒）

winstep –连续窗口之间的间隔，以秒为单位。预设值为0.01s（10毫秒）

nfilt –过滤器组中的过滤器数，默认为26。

nfft – FFT大小。默认值为512。

lowfreq –梅尔滤波器的最低频带边缘。以Hz为单位，默认值为0。

highfreq –梅尔滤波器的最高频带边缘。以Hz为单位，默认值为samplerate / 2

preemph –使用以emph为系数的pre -emphas过滤器。0是没有过滤器。默认值为0.97。

返回值：

包含要素的大小为numpy的数组（nfilt为NUMFRAMES）。每行包含1个特征向量。

（1） 读取语音数据，数据读取出来的情况如下：

【1，67263】

（2） 预加重（按照公式）

其中

取0.97 对数据进行处理

（3） 分帧加窗（帧长为25ms,帧移为10ms,窗函数为汉宁窗），需要注意的是，最后一帧不足400个点时需要补0（防止丢失信息）

（4） 快速傅里叶变换（此时一帧为512个点）取模后，每一帧保留前257个数

（5） 计算功率谱，其中N为512，计算过程就是对傅里叶变换后的数据取模后取平方，再除以512，即将第               （4）步的结果平方后除512

（6） 将第六步的结果通过Mel滤波（滤波器个数为40个）

（7） 为防止对数计算出问题，将第（7）步结果中的0全部替换成非负最小值

（8） 将第（8）步的结果以10为底取对数，并乘20。

（9）归一化：