pythons实现信号分帧

功能：信号分帧
输入x为纯信号,是一个numpy的1D张量
输入LenFrame为帧长，是一个整数
输入PatFrame为帧移，是一个整数
输出Frames为分帧后的信号，是一个numpy的1D张量
输出NumFrames为帧数，是一个整数
输出NumFillZero为原信号填充0的个数，是一个整数
调用格式{Frames,NumFrames,NumFillZero=Framed(x,LenFrame,PatFrame)}
调用：

def Framed(x,LenFrame,PatFrame):PointNumbers=len(x)Discover=int(LenFrame-PatFrame)#每帧之间的非重叠部分NumFrames=(PointNumbers-LenFrame)/PatFrame#分成整数帧if (NumFrames-int(NumFrames))==0. :NumFrames=int(NumFrames)else:NumFrames=int(NumFrames)+1#帧号数# 整数且偶数帧#if (NumFrames%2)==0:#    NumFrames=int(NumFrames)#else:#   NumFrames=int(NumFrames)+1NumFillZero=(NumFrames*PatFrame+LenFrame)-PointNumbers#填充0的数目NumFrames=int(NumFrames)+1#在此表示帧数FillZeros=np.zeros(NumFillZero)#生成填充序列PreEmphasis1=np.concatenate((x,FillZeros)) #填补后的信号记为PreEmphasis1，np.concatenate（）连接两个维度相同的矩阵# 开始分帧indices=np.tile(np.arange(0,LenFrame),(NumFrames,1))+np.tile(np.arange(0,NumFrames*PatFrame,PatFrame),(LenFrame,1)).T  #相当于对所有帧的时间点进行抽取，得到NumFrames*LenFrame长度的矩阵indices=np.array(indices,dtype=np.int32) #将indices转化为张量Frames=PreEmphasis1[indices] #得到帧信号return(Frames,NumFrames,NumFillZero)

运行：

import numpy as np
# 导入音频及绘图显示包
import librosa.display
# 导入绘图工作的函数集合
import matplotlib.pyplot as plt
times = librosa.get_duration(filename='./bluesky31.wav')  # 获取音频时长单位为秒
y0, sr = librosa.load('bluesky31.wav', sr=8000, offset=0.0, duration=None)  # 返回音频采样数组及采样率
PointNumbers = int(times * sr) + 1
x1 = np.arange(0, PointNumbers, 1)  # 采样点刻度
x2 = np.arange(0, times, 1 / sr)  # 时间刻度
plt.figure()
plt.xlabel("times")
plt.ylabel("amplitude")
plt.title('bluesky31.wav', fontsize=12, color='black')
plt.plot(x2, y0)
plt.show()
LenFrame=int(sr*0.025)#每帧长（持续0.025秒）
PatFrame=int(sr*0.001)
def Framed(x,LenFrame,PatFrame):PointNumbers=len(x)Discover=int(LenFrame-PatFrame)#每帧之间的非重叠部分NumFrames=(PointNumbers-LenFrame)/PatFrame#分成整数帧if (NumFrames-int(NumFrames))==0. :NumFrames=int(NumFrames)else:NumFrames=int(NumFrames)+1#帧号数# 整数且偶数帧#if (NumFrames%2)==0:#    NumFrames=int(NumFrames)#else:#   NumFrames=int(NumFrames)+1NumFillZero=(NumFrames*PatFrame+LenFrame)-PointNumbers#填充0的数目NumFrames=int(NumFrames)+1#在此表示帧数FillZeros=np.zeros(NumFillZero)#生成填充序列PreEmphasis1=np.concatenate((x,FillZeros)) #填补后的信号记为PreEmphasis1，np.concatenate（）连接两个维度相同的矩阵# 开始分帧indices=np.tile(np.arange(0,LenFrame),(NumFrames,1))+np.tile(np.arange(0,NumFrames*PatFrame,PatFrame),(LenFrame,1)).T  #相当于对所有帧的时间点进行抽取，得到NumFrames*LenFrame长度的矩阵indices=np.array(indices,dtype=np.int32) #将indices转化为张量Frames=PreEmphasis1[indices] #得到帧信号return(Frames,NumFrames,NumFillZero)
PointNumbers =len(y0)
Frames,NumFrames,NumFillZero = Framed(y0,LenFrame,PatFrame)
x5= np.arange(PointNumbers+NumFillZero-LenFrame,PointNumbers+NumFillZero,1)#最后一帧采样点刻度
x6= np.arange((PointNumbers+NumFillZero-LenFrame)/sr,(PointNumbers+NumFillZero)/sr,1/sr)#最后一帧时间刻度
plt.figure()
#显示最后一帧波形图
plt.figure()
plt.xlabel("point")
plt.ylabel("wave")
plt.title('bluesky31 LastFrames  wave', fontsize=12, color='black')
plt.plot(x5,Frames[NumFrames-1])
plt.show()
plt.figure()
plt.xlabel("times")
plt.ylabel("wave")
plt.title('bluesky31 LastFrames  wave', fontsize=12, color='black')
plt.plot(x6,Frames[NumFrames-1])
plt.show()
x7= np.arange(0,LenFrame,1)#第一帧采样点刻度
x8= np.arange(0,(LenFrame)/sr,1/sr)#第一帧时间刻度
#显示第一帧波形图
plt.figure()
plt.xlabel("point")
plt.ylabel("wave")
plt.title('bluesky31 FirstFrames  wave', fontsize=12, color='black')
plt.plot(x7,Frames[0])
plt.show()
plt.figure()
plt.xlabel("times")
plt.ylabel("wave")
plt.title('bluesky31 FirstFrames  wave', fontsize=12, color='black')
plt.plot(x8,Frames[0])
plt.show()

结果：

pythons实现信号分帧相关推荐

基于MATLAB的语音信号的时域特性分析（一）——分帧、窗函数
语音信号是一个非稳态的.时变的信号.但在"短时间"范围内可以认为语音信号是稳态的.时不变的.这个短时间一般值10~30ms.由于有这个特性,故常把语音信号称为"准稳态 ...
python对语音信号读取、分帧、加窗
python对语音信号读取.分帧.加窗一.读入音频信号语音信号有三个重要的参数:声道数.取样频率和量化位数. 声道数:单声道或者双声道采样频率:一秒钟对声音采样的次数,例如10000HZ代表一秒 ...
语音信号的分帧、加窗处理
分帧语音信号是一个准稳态的信号,若把它分成较短的帧,每帧中可将其看做稳态信号,可用处理稳态信号的方法来处理.为了使一帧与另一帧之间的参数能够平稳过渡,应在相邻两帧之间互相有部分重叠.一般情况下,帧长 ...
语音信号处理基础（五）——语音分帧与加窗
文章目录原理 1.加窗 2.分帧一般而言语音处理的目的有两种: 一种是对语音信号进行分析,提取特征参数,用于后续处理: 提取的特征参数主要有语音的短时能量和平均幅度.短时平均过零率.短时自相关函数 ...
matlab语音分帧加窗,语音信号的加窗处理
平稳的随机过程是研究语音信号的主要手段,但是语音信号本身并不是平衡的. 一,语音信号不平稳语音信号在产生过程中与环境和发声器官的联系很紧密,与各种运动都是相关的,信号本身是不平移的信号.主要是由于发 ...
语音信号分析（语音分帧）
语音分帧不管是进行什么参数分析以及采用什么分析方法,都需要一些预先的处理,如语音信号的数字化.语音信号的端点检测.预加重.加窗和分帧等,这些也是不可忽视的语音信号分析的关键技术.贯穿于语音分析全过程 ...
语音信号的分帧加窗的matlab实现
[x,fs,nbits]=wavread('5_1.wav'); x1=enframe(x,200,100);%分帧 x2=enframe(x,hamming(200),100);%加窗 figure ...
音频处理四:(音频的分帧)
程序设计四:音频的分帧一:需求分析为了分析读人数据,通常进行分帧处理.在分帧中,往往设置在相邻两帧之间有一部分重叠.其原因是:语音信号是时变的,在短时范围内特征变化较小,所以作为稳态来处理;但超出 ...
语音处理的分帧，帧移，加窗，滤波，降噪，合成
一.分帧语音数据和视频数据不同,本没有帧的概念,但是为了传输与存储,我们采集的音频数据都是一段一段的.为了程序能够进行批量处理,会根据指定的长度(时间段或者采样数)进行分段,结构化为我们编程的数 ...

pythons实现信号分帧

pythons实现信号分帧

pythons实现信号分帧相关推荐

最新文章

热门文章