非常实用的信号处理库pysptk（python）

pysptk库

A python wrapper for Speech Signal Processing Toolkit (SPTK).
pysptk是一款语音信号处理工具包。

源码地址：pysptk源码及安装等
文档：pysptk文档

sp2mc

mcep = pysptk.sp2mc(spc, config["dim_mcep"], config["alpha"])

将频谱包络转换为倒谱。

def sp2mc(powerspec, order, alpha):
    # |X(ω)|² -> log(|X(ω)²|)
    logperiodogram = np.log(powerspec)

    # transform log-periodogram to real cepstrum
    # log(|X(ω)|²) -> c(m)
    c = np.fft.irfft(logperiodogram)
    c[0] /= 2.0

    # c(m) -> cₐ(m)
    return freqt(c, order, alpha)

输入参数：

powerspec: array
功率谱

order:int
想要的mcep维数

alpha:float
全通的常数。

输出返回：

mc : array, shape(order+1)
mel-cepstrum

其中，又用到np.fft.irfft：

def irfft(a, n=None, axis=-1, norm=None):

计算n点DFT的逆。

输入参数
a: array_like
输入数组。

n: int，可选输出转换轴的长度。对于’ n ‘输出点，’ n//2+1 ’ ‘输入点是必要的。如果输入长度大于此值，则进行裁剪。如果它比这个短，就用0填充。如果没有给出’ n ‘，则被认为是’ ’ 2*(m-1) ’ ‘，其中’ ’ m ’ ‘是输入沿’ axis '指定的轴的长度。

axis: int，
可选的计算FFT逆的轴。如果没有给出，则使用最后一个轴。

norm: {None， “ortho”}，可选。
1.10.0规范化模式(参见’ numpy.fft ')。默认值为None。

输出返回
out: ndarray
被截断或补零的输入，沿’ axis ‘指示的轴转换，如果’ axis ‘未指定则按最后一个轴转换。转换轴的长度是’ n ‘，或者，如果’ n ‘没有给出，’ ’ 2*(m-1) ’ ‘，其中’ ’ m ’ ‘是输入的转换后轴的长度。要获得奇数个输出点，必须指定’ n '。

注意，普通的ifft的输入的最后一项是第二项的复共轭，而输出的虚部处处为零。当调用’ irfft '时，不指定负频率，输出数组为纯实数。

还用到一个函数frert:

def freqt(ceps, order=25, alpha=0.0):

频率变换。

输入参数
**ceps:**数组倒谱。

order:int，
可选转换倒谱的期望顺序。默认值是25。

alpha:float
可选全通常数。默认值是0.0。

返回输出：
dst_ceps: array, shape(’ ’ order + 1 ’ ')
频率转换的倒谱(通常为mel-倒谱)

mfcc

求梅尔频率倒谱系数。

mfcc = pysptk.sptk.mfcc(x, order=14, fs=16000, alpha=0.97, eps=1.0, window_len=None, frame_len=None, num_filterbanks=20, cepslift=22, use_dft=False, use_hamming=False, czero=False, power=False)

参数和上面类似。

输入：
order：MFCC的维数。默认值是14。取前14维。
alpha：预加重系数。默认0.97
eps：在滤波器组分析中计算log(x)的flooring value值。默认为1.0。

cepslist：同态滤波系数。默认为22。
czero：如果为True，则mfcc也返回第0个系数。默认为False。
power：如果为True，则mfcc也返回功率系数。默认为False。

输出：
MFCC向量，顺序为：mfcc [0], mfcc [1], mfcc[2],…mfcc [1], c0,power。
注意，c0和Power是可选的。
如果c0或power设置为True，则order + 1。
如果c0和power都设置为True，则order + 2。

广义mel倒谱分析

F0分析

包括swipe算法和RAPT算法