零基础入门语音识别-食物语音识别Task02

学习对数据的探索

本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零基础入门语音识别-食物声音识别挑战赛。
baseline及用图由开源学习组织Datawhale提供
https://github.com/datawhalechina/team-learning

这次比赛的赛题任务是对食物的声音进行数据建模，准确分类。

Python中有一些很棒的音频处理库，比如Librosa和PyAudio，还有一些内置的模块用于处理音频的基本处理。

# 基本库

import pandas as pd
import numpy as np

pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns

from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.model_selection import GridSearchCV

from sklearn.preprocessing import MinMaxScaler

# 加载音频处理库
import os
import matplotlib.pyplot as plt
import librosa
import librosa.display
import glob
import IPython.display as ipd

这两个库可以用来进行音频采集和回放。

使用librosa模块加载音频文件，librosa.load()加载的音频文件，默认采样率（sr）为22050HZ mono。通过librosa.load(path,sr=44100)来更改采样频率。

波形幅度包络图

使用librosa.display.waveplot(）来显示波形幅度包络图。

声谱图

声谱图（spectrogram）是声音或其他信号的频率随时间变化时的频谱（spectrum）的一种直观表示。当数据以三维图形表示时，可称其为瀑布图（waterfalls）。在二维数组中，第一个轴是频率，第二个轴是时间。使用librosa.display.specshow来显示声谱图。

学习心得

今天的内容主要是学习声音产生的原理，以及将声音进行采样处理后，以更直观的方式观察各种声音在不同时间的区别，这有助于后期对声音的分类处理。