如何使用MFCC算法提取音频特征并与卷积神经网络一起训练模型?在
我用MFCC提取了音频的特征,文件包含浮点列,但我无法区分这些列?在
for filename in os.listdir(directoryName):
if filename.endswith('.wav'): # only get MFCCs from .wavs
(rate,sig) = wav.read(directoryName + "/" +filename)
mfcc_feat = mfcc(sig,rate)
fbank_feat = logfbank(sig,rate)
outputFile = resultsDirectory + "/" + os.path.splitext(filename)[0] + ".csv"
file = open(outputFile, 'w+')
numpy.savetxt(file, fbank_feat, delimiter=",")
file.close() # close file
The values contained in the csv file like this.
7.01E+00 5.94E+00 5.28E+00 5.25E+00 5.24E+00
5.87E+00 3.53E+00 3.61E+00 2.32E+00 2.13E+00
5.68E+00 8.36E-01 1.75E-01 -8.48E-01 1.77E+00
7.96E+00 6.12E+00 5.47E+00 4.66E+00 4.34E+00
6.29E+00 4.34E+00 3.51E+00 3.15E+00 2.30E+00
6.37E+00 5.34E+00 4.76E+00 3.98E+00 3.77E+00
4.72E+00 1.62E+00 3.09E+00 1.66E+00 1.37E+00
6.14E+00 5.82E+00 5.12E+00 4.11E+00 3.76E+00
7.49E+00 3.79E+00 2.25E+00 5.03E+00 5.69E+00
5.89E+00 4.88E+00 5.88E+00 6.22E+00 6.19E+00
音频信号的MFCC特征是一个时间序列。如果你的输入音频是10秒,在44100kHz和1024个采样跳大小(约23ms)的MFCC,那么你将得到430帧,每个帧都有MFCC系数(可能20)。在
为了用卷积神经网络对其进行分类,您需要将其拆分为实际大小的固定大小的分析窗口。例如,43个MFCC帧窗口将对应于大约1秒。然后输入到CNN的形状为43x20x1。如果您希望重叠分析窗口(可以提高性能,以增加计算时间为代价),那么在计算下一个窗口时,向前跳不到43帧。在
这是an answer with example Python code。它是为mel谱图显示的,但是可以通过将对
librosa.feature.melspectrogram()
的调用替换为librosa.feature.mfcc()
来适应MFCC。在相关问题 更多 >
编程相关推荐