使用python进行基音周期的计算

下面贴出一下我自己使用的基音周期的提取方法：

首先我们设置帧长pe、帧移step(这里我使用的采样率为16000），由于基音频率一般在80hz-500hz之间，所以一个周期的长度在2ms-12.5ms之间，而我们计算基因周期至少需要两个周期，这里我就选择了25ms的帧长，10ms的帧移，也就是400采样点，160的重叠

然后我通过遍历的方式依次取到每一帧的采样点，得到data，因为基音频率一般在80hz-500hz之间，所以周期在32-200个采样点之间，随后我对每个可能的周期取值进行遍历，并依次取相邻的两个周期片段，求pearsonr相关系数，然后将系数保存在一个列表中，随后我把得到的系数列表求平均，这样我就可以得到每个可能周期取值下的系数平均值，最后我取最大的那个对应周期，如果最大的那个值大于0.8 我就确定该帧的周期，否则我就给他一个常数值

函数传入的wave_data为pcm值

def calperiod(wave_data):per = []step = 160pe = 400diedai_num = ((len(wave_data)-pe)//step)+1if diedai_num*step + pe - len(wave_data) < 160:diedai_num += 1for i in range(diedai_num):data = wave_data[i*step:i*step + pe]time = {}# plt.plot(data)# plt.show()# 假定周期介于32:200之间，取两个周期判断相似度for w in range(32, 200):kl = []# for i in range(0, 2):if int(len(data) / w) - 1 == 0:continuefor i in range(0, int(len(data) / w) - 1):# print(i * w)# print("============================")# print(len(data[(i+1) * w:(i+2) * w]))si = stats.pearsonr(data[i * w:(i + 1) * w], data[(i + 1) * w:(i + 2) * w])kl.append(si[0])print(111)print(kl)time[w] = sum(kl) / len(kl)#     t = 0#     for j in range(w, pe):#         t += data[j] * data[j-w]#     time[w] = t/(pe - w)da = sorted(time.items(), key=lambda x: x[1], reverse=True)print(da)if da[0][1] < 0.8:ma = 500elif np.isnan(da[0][1]):ma = 500else:ma = da[0][0]pe_li = []for key in time.keys():if time[key] == ma:pe_li.append(key)if len(pe_li) != 0:period = min(pe_li)else:period = maper.append(period)return per

下面为获取基因片段（该代码没有对最后得到的结果进行处理，应该继续对距离过近的点进行删除）

def jiyin_mask(f, T_li, wave_data):"""acquire fundmental_sound_T:param f: gap:param T_li: period_li:param wave_data: each_slice:return:"""jiyin_point = []wave_data_li = list(wave_data)for i in range(len(wave_data_li)):zhouqi_point = []zhouqi = T_li[i]if zhouqi == 500:continuewa = list(wave_data_li[i])max_point = wa.index(max(wa))zhouqi_point.append(max_point)# 得到该帧所有基因周期点for j in range(10):if int(max_point+f*zhouqi) >= len(wa):breaknext_area = wa[int(max_point+f*zhouqi):int(max_point+(2-f)*zhouqi)]next_point = next_area.index(max(next_area))max_point = max_point+f*zhouqi + next_pointzhouqi_point.append(max_point)if max_point+(2-f)*zhouqi > 400:breakfor j in range(10):if max_point-(2-f)*zhouqi < 0:if int(max_point - f * zhouqi) <= 0:breaknext_area = wa[0: int(max_point-f*zhouqi)]next_point = next_area.index(max(next_area))zhouqi_point.append(next_point)breakelse:next_area = wa[int(max_point-(2-f)*zhouqi): int(max_point - f * zhouqi)]next_point = next_area.index(max(next_area))max_point = next_point + max_point-(2-f)*zhouqizhouqi_point.append(max_point)final_point = [jiyin_point.append(int(i*160+a)) for a in zhouqi_point]return sorted(jiyin_point)

下面是对基因周期点进行处理即距离近的点删除、距离太远的为清音，取某一个确定数值插入作为周期

def period_process(point, T):new_li = [0]qingyin_add = []for i in range(len(point)):if point[i] - new_li[-1] < min(T):continueelse:new_li.append(point[i])for j in range(1, len(new_li)-1):if new_li[j+1] - new_li[j] > 200:num = (new_li[j+1] - new_li[j])//(new_li[j] - new_li[j-1])for x in range(num-1):qingyin_add.append(new_li[j]+(x+1)*(new_li[j] - new_li[j-1]))else:qingyin_add.append(new_li[j])qingyin_add.insert(0,qingyin_add[0])if qingyin_add[1] > 200:n = qingyin_add[1]//(qingyin_add[2] - qingyin_add[1])for g in range(n - 1):qingyin_add.insert(1, qingyin_add[0] - (g+1)*(qingyin_add[2] - qingyin_add[1]))qingyin_add.pop(0)return qingyin_add

获取了基因周期段我们就可以进行修改频率或者修改时长

使用python进行基音周期的计算相关推荐

python 进程生命周期_计算客户生命周期价值的python解决方案
python 进程生命周期 By Lisa Cohen, Zhining Deng, Shijing Fang, and Ron Sielinski 由丽莎·科恩,志宁邓,石井方和罗恩Sielinsk ...
python自相关函数提取基音周期_Python语音基础操作--4.2基音周期检测
<语音信号处理试验教程>(梁瑞宇等)的代码主要是Matlab实现的,现在Python比较热门,所以把这个项目大部分内容写成了Python实现,大部分是手动写的.使用CSDN博客查看帮助文件 ...
python自相关函数提取基音周期_自相关函数法基音周期提取(matlab版)
1.引言人在发浊音时,气流通过声门使声带产生张弛振荡式振动,产生一股准周期脉冲气流,这一气流激励声道就产生浊音,又称有声语音,它携带着语音中的大部分能量.这种声带振动的频率称为基频,相应的周期就称为 ...
【语音分析】短时自相关基音周期检测+LPC预测增益计算【含Matlab源码 1517期】
⛄一.案例简介 1 实验要求 1.录一段声音,内容为"间隔读出数字0-4",转为单声道.8khz.wav格式: 2.每帧帧长20ms160个样点,使用汉明窗hamming加窗: 3 ...
python自相关函数提取基音周期_基音周期的提取
基音周期的提取陈晓磊 (苏州工业职业技术学院,江苏苏州 215104 ) 摘要自相关基音检测算法是语音信号处理的关键技术, 算法的效率直接影响了语音信号的实时处理的质量.目前有许多较好的算法提 ...
音频信号处理——基音周期
音频信号处理--基音周期标签(空格分隔): 音频处理一.简介 1.1 什么是基音?什么是基音周期基音顾名思义就是声音的基础.这里我们主要讨论人的发声,根据声带震动的方式的不同,将声音信号分为清音 ...
语音信号处理之（二）基音周期估计（Pitch Detection）
语音信号处理之(二)基音周期估计(Pitch Detection) zouxy09@qq.com http://blog.csdn.net/zouxy09 这学期有<语音信号处理>这门课, ...
matlab倒谱法基音周期,语音学习笔记1------matlab实现自相关函数法基音周期提取...
人在发浊音时,气流通过声门使声带产生张弛振荡式振动,产生一股准周期脉冲气流,这一气流激励声道就产生浊音,又称有声语音,它携带着语音中的大部分能量.这种声带振动的频率称为基频,相应的周期就称为基音周期( ...
倒谱法的基因周期检测matlab,两种基音周期检测方法
很好很强大@! 基音周期中两种算法常用的基音周期检测方法-自相关函数法.倒谱法.平均幅度差函数法都属于非基于事件基音检测方法,都先将语音信号分为长度一定的语音帧,然后对每一帧语音求平均基音周期,它们 ...

使用python进行基音周期的计算

使用python进行基音周期的计算相关推荐

最新文章

热门文章