语音信号处理之时域特征、频谱特征、MFCC特征、语谱图特征、谱熵图特征的提取与可视化

 import numpy as np

    
 import matplotlib.pyplot as plt
    
 from python_speech_features import mfcc
    
 from python_speech_features import delta
    
 from sklearn.preprocessing import StandardScaler
    
 import librosa.display
    
 import pyworld

    y, sr = librosa.load("audio.wav")

    y, sr = pyworld.load("audio.wav")

 # 可视化时域特征

    
 time = np.arange(len(y)) / sr
    
 plt.figure(figsize=(14, 5))
    
 plt.subplot(2, 1, 1)
    
 plt.plot(time, y)
    
 plt.xlabel('Time (s)')
    
 plt.ylabel('Amplitude')
    
 plt.title('Time-domain features')
    
 plt.tight_layout()
    
 plt.show()

 # 可视化频域特征

    
 D = librosa.stft(y)
    
 D_db = librosa.amplitude_to_db(np.abs(D), ref=np.max)
    
 plt.subplot(2, 1, 2)
    
 librosa.display.specshow(D_db, sr=sr, x_axis='time', y_axis='log')
    
 plt.colorbar(format='%+2.0f dB')
    
 plt.title('Frequency-domain features')
    
 plt.tight_layout()
    
 plt.show()

 # 将音频转化为MFCC特征

    
 mfcc_features = mfcc(y, sr)
    
 # 对MFCC特征进行delta处理
    
 delta_features = delta(mfcc_features, 2)

 # 归一化处理

    
 scaler = StandardScaler()
    
 normalized_features = scaler.fit_transform(delta_features)

 # 可视化MFCC特征

    
 plt.figure(figsize=(10, 5))
    
 plt.imshow(normalized_features.T, origin='lower', aspect='auto', cmap='jet')
    
 plt.title('MFCC features')
    
 plt.xlabel('Frame index')
    
 plt.ylabel('MFCC coefficient index')
    
 plt.tight_layout()
    
 plt.show()

 # 计算语谱图

    
 S = librosa.feature.melspectrogram(y=y, sr=sr)
    
  
    
 # 转换为分贝单位
    
 S_db = librosa.power_to_db(S, ref=np.max)
    
  
    
 # 可视化语谱图
    
 plt.figure(figsize=(10, 5))
    
 librosa.display.specshow(S_db, sr=sr, x_axis='time', y_axis='mel')
    
 plt.colorbar(format='%+2.0f dB')
    
 plt.title('Mel Spectrogram')
    
 plt.tight_layout()
    
 plt.show()

 # 计算短时傅里叶变换（STFT）

    
 D = librosa.stft(y)
    
 # 将STFT的幅度谱转换为概率分布
    
 P = librosa.amplitude_to_db(np.abs(D), ref=np.max)
    
 P = P / np.sum(P, axis=0)
    
 # 计算谱熵
    
 spectral_entropy = -np.sum(P * np.log2(P), axis=0)
    
  
    
 plt.plot(spectral_entropy)
    
 plt.xlabel('Frame index')
    
 plt.ylabel('Spectral Entropy')
    
 plt.title('Spectral Entropy Feature')
    
 plt.show()