语音识别(一)：特征抽取～1.1 抽样(sampling)和量化(quantization)

1. 采样(sampling)：一个信号通过度量它在特定时刻的振幅来进行抽样。

　　采样的目的是还原出声音的波形。在足够密集的采样频率下，人声的每个波形都能有多于两个的采样，这样的采样记录下说话人声音的频率和振幅(amplitude)。

　　在高频声音波形下，每个波形可能只有2-3个采样；而在低频声音波形下，每个波形可能有5-6个采样，每个采样宽度范围设定好，如paInt16。这样就可以在采样率固定的情况下，体现出声音波形的高低频/音高、高低振幅/响度。

----拓展:

波形图，即人说话的声波，横轴：时间；纵轴：振幅
声谱图，横轴：频度，纵轴：振幅
频谱图，横轴：时间，纵轴：频度

----拓展：声波特征：频度(frequency)和振幅(amplitude)

频度(频率)，又称为周(cycle)：是1s之内完整波重复的次数，如：某段音频在0.11s之内有28个完整的波形，那波的频度是255hz或255周
振幅，表示空气压力变化的大小。正轴表示该时刻空气压力比较高，0值表示空气压力正常，负值表示低于空气压力(我也不知道他们怎么测得)
感知特性：音高(pitch)和响度(loudness)。音高与频度有关的感知特性；响度是与振幅有关的感知特性
- ----[转]负分贝：声强小于2×10-5Pa的声音响度的都为负分贝数了。就像开尔文温标转化为摄氏温标一样，开尔文温标没有负数，摄氏温标就有负数了。例如，冬天哈尔滨室外温度-37℃，这个负数温度也是有温度的，只是温度低而已。有些人能够听到-10dB的声音呢！人耳就是天生的分贝转换器。潜水艇上的听音器可以听到水下100m外的一只虾吃食物的声音为-80dB，20英里外一个人的说话声为-30dB。所以，负分贝的声音是人耳听不到的，但是，它是客观存在的
注意：实际音频中波形虽然完整连续，但他们不规则不均匀
帧(frame)：一般为10s-30ms，通常取20ms，在极短时间内，声音波形可以被认为是均匀的

----采样率(sampling rate)：每秒提取的样本数目。常用的采样率有8000hz和16000hz

根据奈奎斯特定理：采样频率不应低于声音信号最高频率的两倍，这样才能把以数字表达的声音还原成原来的声音。
即：为了精确地测量声波，每周(每个声波)至少需要来嗯个采样：一个采样用于测来嗯声波的正侧部分，一个用于测量声波的负侧部分。如果每周的样本多于两个，将能够增加振幅的精确度，如果样本少于两个，声波就会遗漏部分频度
即，可能测量到的最大频度的波九十那些频度等于采样率一般的波(因为每个波需要两个采样)
如：人类语音的频度都低于10000hz，为了保证准确，必须有20000hz的抽样。注意：这里的10000hz是声波频度，而20000hz是采样次数频度，这两个虽然都是赫兹，但是别弄混了，一个是音频完整波形重复次数，一个是采样次数

2. 量化

量化就是用整形值存储采样测得的振幅值。在python～pyaudio中，有paInt8、16、32等采样位数，8比特bit采样能够给出的整形采样范围是-128～127，16位比特能够给出的整形范围是-32768～32767。

在pyaudio.stream录音采样过程中，

采样数sample_num=sample_rate * frame_duration_ms/1000 ; 采样字节大小/长度sample_size=sample_num * sample_width/8

采样宽度有8位、16位、32位，如果sample_width=paInt16，每个采样是两个字节，160个采样的sample_size是320，所以要注意frame_num和len(chunk),chunk = pyaudio.stream.read(frame_num)的长度。

参考：

Daniel Jurafsky, James H. Martin, 《speech and language processing》, 冯志伟, 译，《自然语言处理综论》，第七章--HMM与语音识别
https://blog.csdn.net/hh_1206/article/details/77540379

语音识别(一)：特征抽取～1.1 抽样(sampling)和量化(quantization)相关推荐

高光谱图像压缩方法综述
论文来源:"Hyperspectral image compression approaches: opportunities, challenges, and future directi ...
图像入门——1. 图像与数字图像介绍
写在开始由于最近的学习需要对图像处理进行一系列的学习,从最基础的图像的基本知识到后面的图像处理的一些内容,再到最后衔接深度学习中的卷积神经网络进行一系列的博客攒写. 这系列主要是从自己的想法出发,自 ...
用计算机对音频信息进行处理要将模拟信号,[电脑基础知识]大学计算机第五章.ppt...
[电脑基础知识]大学计算机第五章.ppt 多媒体基础本章内容提要一.多媒体技术的基本概念二.多媒体信息的数字化三.多媒体技术的应用多媒体技术多媒体技术指利用计算机技术把多种媒体信息综合一体 ...
音频基础--PCM音频
1.PCM定义 PCM 全称 Pulse-Code Modulation,就是脉冲调制编码,是用于将波形表示的模拟音频信号转换为数字1和0表示的数字音频信号,而不压缩也不丢失信息的处理技术.简单来 ...
音乐音频 | 语音识别与音乐流派分类
文章目录语音识别步骤一.用SVM做音乐分类应用实例 1.数据集:EchoNest. 2.代码: ①数据归一化.沿着最大方差轴旋转数据,确定数据的每个特征对类之间方差的相对贡献.特征的均值=0, ...
提升用户体验的必杀器——A/B实验统计方法解密
导读:A/B 实验是很多技术团队非常关注的内容,本文内容由滴滴出行效能平台部倾情呈现,介绍 A/B 实验所涉及的重要统计学知识. 前言持续快速有效的A/B实验是实现业务从十到百增长.获得更好的用户体 ...
fopen_s不接受两个参数_如何利用SPC来管理制造过程,不懂SPC还敢混“质”场？
请点击上面免费关注本账号! 必读 → 2019年4-5月开课计划(IASC-CN俱乐部) PC是汽车行业品质管理的重要工具之一,AIAG为此写了一整本书.这篇文章略去SPC一些基础知识的介绍,直接 ...
Hadoop 系列之 Hive
Hadoop 系列之 Hive Hive 的官网:http://hive.apache.org/ Hive versions 1.2 onward require Java 1.7 or newer. ...
语音信号处理基础(二)
语音信号处理基础(二) 1.2.2 语音编码语音编码的目的保证在一定语音质量的前提下,尽可能降低编码比特率,以节省频率资源. 语音编码技术的鼻祖:研究开始于1939年军事保密通信的需要,贝尔电话实 ...

语音识别(一)：特征抽取～1.1 抽样(sampling)和量化(quantization)

语音识别(一)：特征抽取～1.1 抽样(sampling)和量化(quantization)相关推荐

最新文章

热门文章