admin管理员组

文章数量:1650780

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

本文标签： librosafeaturemfcc

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://m.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。