python_speech_feature的fbank

python_speech_feature的fbank

def fbank(signal,samplerate=16000,winlen=0.025,winstep=0.01,
          nfilt=26,nfft=512,lowfreq=0,highfreq=None,preemph=0.97,
          winfunc=lambda x:numpy.ones((x,))):
    """计算一语音信号的梅尔滤波器能量特征

    signal: 待计算特征的语音信号， N*1 数组；
    samplerate: 信号采样率；
    winlen: 以秒为单位的分析窗窗长，默认为25ms；
    winstep: 以秒为单位的连续窗之间步长，默认10ms；
    nfilt: 滤波器组的滤波器个数，默认26；
    nfft: FFT的长度，默认512；
    lowfreq: 以赫兹为单位的梅尔滤波器最低频率，默认为0；
    highfreq:以赫兹为单位的梅尔滤波器最低频率，默认为采样率的一半；
    preemph: 预加重滤波器系数，默认0.97；
    winfunc: 每一帧的分析窗函数，如：汉明窗；
    返回两个值：第一个是帧数✖滤波器个数的包含特征的numpy数组，每一行是一个特征向量，第二个是每帧信号的能量。
    """
    highfreq= highfreq or samplerate/2
    signal = sigproc.preemphasis(signal,preemph)
    frames = sigproc.framesig(signal, winlen*samplerate, winstep*samplerate, winfunc)
    pspec = sigproc.powspec(frames,nfft)
    energy = numpy.sum(pspec,1) # this stores the total energy in each frame
    energy = numpy.where(energy == 0,numpy.finfo(float).eps,energy) # if energy is zero, we get problems with log

    fb = get_filterbanks(nfilt,nfft,samplerate,lowfreq,highfreq)
    feat = numpy.dot(pspec,fb.T) # compute the filterbank energies
    feat = numpy.where(feat == 0,numpy.finfo(float).eps,feat) # if feat is zero, we get problems with log

    return feat,energy