librosa.feature.mfcc参数介绍

不得不说，这个librosa函数包真好用，已经包装的这么便捷了，但是如果想要修改一下参数，还是需要了解一下它的函数定义的。

VOICE_LEN=32000
#获得N_FFT的长度
print("sr:" , sr)
N_FFT=getNearestLen(0.25,sr)
print("N_FFT:" , N_FFT)
#统一声音范围为前两秒
y=normalizeVoiceLen(y,VOICE_LEN)
print("y.shape:" , y.shape)
#提取mfcc特征
mfcc_data=librosa.feature.mfcc(y=y, sr=sr,S=None, n_mfcc=20, dct_type=2, norm='ortho',n_fft=N_FFT,hop_length=int(N_FFT/4))

 
 

 
 

librosa.feature.mfcc参数介绍

其中
y：语音数据
sr：y的采样率
n_mfcc：要返回的MFCC数量
n_fft：返回的mfcc数据维数，默认为13维
hop_length：帧移
S：np.ndarray，对数功能梅尔谱图
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。
返回： M:np.ndarray [shape=(n_mfcc, t)]

一个介绍的很详细的语音处理函数以及其参数的博客
https://www.cnblogs.com/LXP-Never/p/11561355.html

它里面的参数没有很强的耦合性，可以灵活设置，自动补齐机制很强。
很多神经元都采用textcnn来处理语音信号。

更多参考

https://blog.csdn.net/qq_45239614/article/details/105990776
https://www.zhihu.com/question/342790663
https://www.jb51.net/article/154288.htm
http://librosa.org/doc/latest/generated/librosa.feature.mfcc.html
https://wenku.baidu.com/view/f652dfb6d9ef5ef7ba0d4a7302768e9951e76e97.html