python绘出语音信号的倒谱图

绝地灬酷狼 2022-09-02 15:53 283阅读 0赞

### python画语音信号的倒谱图 ###

求信号x(n)的倒谱：

1）对信号x(n)作傅里叶变换，得到信号的复数谱  
 X ( w ) = F T \[ x ( n ) \] X(w)=FT\[x(n)\] X(w)=FT\[x(n)\]  
2）对信号的复数谱只取实数部分然后再取对数得到对数幅值谱  
 X ¨ ( w ) = l n \[ ∣ X ( w ) ∣ \] \\ddot\{X\}(w)=ln\[|X(w)|\] X¨(w)=ln\[∣X(w)∣\]  
3）对对数幅值谱进行逆傅里叶变换，得到倒频谱

读取语音文件并画出语音信号的倒谱图。

import numpy as np
    import wave
    import scipy
    import scipy.signal as signal
    import matplotlib.pyplot as plt  # 导入绘图工作的函数集合
    # 设置字体，使可以输入中文
    plt.rcParams['font.sans-serif']=['STSong']
    
    # 读取音频文件
    f = wave.open('E:\MatBook应用\mvoice resource\Bluesky3.wav','rb')
    params = f.getparams()  # 一次性返回所有的音频参数，声道数、量化位数、采样频率、采样点数
    print(params)
    nchannels, sampwidth, framerate, nframes = params[:4]
    str_data = f.readframes(nframes)  # 指定需要读取的长度(以取样点为单位)，返回字符串类型数据
    # 将读取的字符串数据转换为一维int16类型的数组
    wave_data = np.frombuffer(str_data, dtype=np.int16)
    wave_data = wave_data - np.mean(wave_data)  # 消除直流分量
    wave_data = wave_data*1.0/(max(abs(wave_data)))  # wave幅值归一化
    f.close()  # 关闭文件流wave
    # 设置帧长和帧移
    lframe = int(framerate*0.025)  # 帧长(持续0.025秒)200
    mframe = int(framerate*0.01)  # 帧移80
    
    # 定义倒谱函数
    def cepstrum(x):
        y = np.fft.fft(x)
        y = np.log(np.abs(y))
        y = np.fft.ifft(y).real
        return y
    # 函数调用
    data1 = cepstrum(wave_data)
    
    # 画出语音波形
    t1 = np.arange(0, len(wave_data)) * (1.0 / framerate)  # 语音采样点对应时间
    plt.plot(t1, wave_data)
    plt.xlabel('times/s')  # x轴时间
    plt.ylabel('Amplitude-幅值')  # y轴振幅
    plt.title('bluesky3.wav—语音波形', fontsize=12, color='black')  # 标题名称、字体大小、颜色
    plt.show()
    # 倒谱
    plt.plot(t1, data1)
    plt.ylim(-0.25, 0.5)
    plt.xlabel('时间')  # x轴时间
    plt.ylabel('Amplitude-幅值')  # y轴振幅
    plt.title('实倒谱')
    plt.show()

语音波形图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTI3MjkwOA_size_16_color_FFFFFF_t_70_pic_center]  
倒谱图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTI3MjkwOA_size_16_color_FFFFFF_t_70_pic_center 1]  
取前1024个点进行求取倒谱

# 定义倒谱函数
    nfft = 1024
    def cepstrum(x, nfft):  # 取1024个点进行计算
        y = np.fft.fft(x, nfft)
        y = np.log(np.abs(y))
        y = np.fft.ifft(y).real
        return y
    # 函数调用
    data = cepstrum(wave_data, nfft)
    print(data)
    
    # 倒谱图
    plt.plot((data)[:nfft//2])
    plt.ylim([-0.2, 0.6])
    plt.xlabel('样点')  # x轴时间
    plt.ylabel('Amplitude-幅值')  # y轴振幅
    plt.title('倒谱图')
    plt.show()

画出倒谱图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTI3MjkwOA_size_16_color_FFFFFF_t_70_pic_center 2]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTI3MjkwOA_size_16_color_FFFFFF_t_70_pic_center]: /images/20220829/73f2be8b798f4e62ad630d4e04e34b57.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTI3MjkwOA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20220829/6eaf72f9a5a241ac9f8a969227f04c74.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTI3MjkwOA_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20220829/c751b372c76a43ed879aa373130ff94d.png