电脑知识|欧美黑人一区二区三区|软件|欧美黑人一级爽快片淫片高清|系统|欧美黑人狂野猛交老妇|数据库|服务器|编程开发|网络运营|知识问答|技术教程文章 - 好吧啦网

您的位置:首頁技術(shù)文章
文章詳情頁

分析語音數(shù)據(jù)增強及python實現(xiàn)

瀏覽:4日期:2022-06-16 17:48:45
目錄一、概述二、加噪2.1、第一種:控制噪聲因子2.2、第二種:控制信噪比三、加混響3.1、方法一:Pyroomacoustics實現(xiàn)音頻加混響3.2、方法二:Image Source Method 算法講解四、生成指定SER的混響五、波形位移六、波形拉伸七、音高修正(Pitch Shifting)一、概述

音頻時域波形具有以下特征:音調(diào),響度,質(zhì)量。我們在進行數(shù)據(jù)增強時,最好只做一些小改動,使得增強數(shù)據(jù)和源數(shù)據(jù)存在較小差異即可,切記不能改變原有數(shù)據(jù)的結(jié)構(gòu),不然將產(chǎn)生“臟數(shù)據(jù)”,通過對音頻數(shù)據(jù)進行數(shù)據(jù)增強,能有助于我們的模型避免過度擬合并變得更加通用。

我發(fā)現(xiàn)對聲波的以下改變是有用的:Noise addition(增加噪音)、Add reverb(增加混響)、Time shifting(時移)、Pitch shifting(改變音調(diào))和Time stretching(時間拉伸)。

本章需要使用的python庫:

matplotlib:繪制圖像 librosa:音頻數(shù)據(jù)處理 numpy:矩陣數(shù)據(jù)處理

使用先畫出原始語音數(shù)據(jù)的語譜圖和波形圖

import librosaimport numpy as npimport matplotlib.pyplot as pltplt.rcParams[’font.sans-serif’] = [’SimHei’] # 用來正常顯示中文標簽plt.rcParams[’axes.unicode_minus’] = False # 用來正常顯示符號fs = 16000wav_data, _ = librosa.load('./p225_001.wav', sr=fs, mono=True)# ########### 畫圖plt.subplot(2, 2, 1)plt.title('語譜圖', fontsize=15)plt.specgram(wav_data, Fs=16000, scale_by_freq=True, sides=’default’, cmap='jet')plt.xlabel(’秒/s’, fontsize=15)plt.ylabel(’頻率/Hz’, fontsize=15)plt.subplot(2, 2, 2)plt.title('波形圖', fontsize=15)time = np.arange(0, len(wav_data)) * (1.0 / fs)plt.plot(time, wav_data)plt.xlabel(’秒/s’, fontsize=15)plt.ylabel(’振幅’, fontsize=15)plt.tight_layout()plt.show()

分析語音數(shù)據(jù)增強及python實現(xiàn)

二、加噪

添加的噪聲為均值為0,標準差為1的高斯白噪聲,有兩種方法對數(shù)據(jù)進行加噪

2.1、第一種:控制噪聲因子

def add_noise1(x, w=0.004): # w:噪聲因子 output = x + w * np.random.normal(loc=0, scale=1, size=len(x)) return outputAugmentation = add_noise1(x=wav_data, w=0.004)

分析語音數(shù)據(jù)增強及python實現(xiàn)

2.2、第二種:控制信噪比

通過信噪比的公式推導(dǎo)出噪聲。

分析語音數(shù)據(jù)增強及python實現(xiàn)

def add_noise2(x, snr): # snr:生成的語音信噪比 P_signal = np.sum(abs(x) ** 2) / len(x) # 信號功率 P_noise = P_signal / 10 ** (snr / 10.0) # 噪聲功率 return x + np.random.randn(len(x)) * np.sqrt(P_noise)Augmentation = add_noise2(x=wav_data, snr=50)

分析語音數(shù)據(jù)增強及python實現(xiàn)

三、加混響

我這里使用的是Image Source Method(鏡像源方法)來實現(xiàn)語音加混響,我想用兩種方法來給大家實現(xiàn),第一種是直接調(diào)用python庫——Pyroomacoustics來實現(xiàn)音頻加混響,第二種就是按照公式推導(dǎo)一步一步來實現(xiàn),兩種效果一樣,想看細節(jié)的可以參考第二種方法,只想開始實現(xiàn)效果的可以只看第一種方法:

3.1、方法一:Pyroomacoustics實現(xiàn)音頻加混響

首先需要安裝Pyroomacoustics,這個庫非常強大,感興趣也可以多看看其他API接口

pip install  Pyroomacoustics

步驟:

1.創(chuàng)建房間(定義房間大小、所需的混響時間、墻面材料、允許的最大反射次數(shù)、)

2.在房間內(nèi)創(chuàng)建信號源

3.在房間內(nèi)放置麥克風(fēng)

4.創(chuàng)建房間沖擊響應(yīng)

5.模擬聲音傳播

# -*- coding:utf-8 -*-import pyroomacoustics as praimport numpy as npimport matplotlib.pyplot as pltimport librosa# 1、創(chuàng)建房間# 所需的混響時間和房間的尺寸rt60_tgt = 0.5 # 所需的混響時間,秒room_dim = [9, 7.5, 3.5] # 我們定義了一個9m x 7.5m x 3.5m的房間,米# 我們可以使用Sabine’s公式來計算壁面能量吸收和達到預(yù)期混響時間所需的ISM的最大階數(shù)(RT60,即RIR衰減60分貝所需的時間)e_absorption, max_order = pra.inverse_sabine(rt60_tgt, room_dim) # 返回 墻壁吸收的能量 和 允許的反射次數(shù)# 我們還可以自定義 墻壁材料 和 最大反射次數(shù)# m = pra.Material(energy_absorption='hard_surface') # 定義 墻的材料,我們還可以定義不同墻面的的材料# max_order = 3room = pra.ShoeBox(room_dim, fs=16000, materials=pra.Material(e_absorption), max_order=max_order)# 在房間內(nèi)創(chuàng)建一個位于[2.5,3.73,1.76]的源,從0.3秒開始向仿真中發(fā)出wav文件的內(nèi)容audio, _ = librosa.load('speech.wav',sr=16000) # 導(dǎo)入一個單通道語音作為源信號 source signalroom.add_source([2.5, 3.73, 1.76], signal=audio, delay=0.3)# 3、在房間放置麥克風(fēng)# 定義麥克風(fēng)的位置:(ndim, nmics) 即每個列包含一個麥克風(fēng)的坐標# 在這里我們創(chuàng)建一個帶有兩個麥克風(fēng)的數(shù)組,# 分別位于[6.3,4.87,1.2]和[6.3,4.93,1.2]。mic_locs = np.c_[ [6.3, 4.87, 1.2], # mic 1 [6.3, 4.93, 1.2], # mic 2]room.add_microphone_array(mic_locs) # 最后將麥克風(fēng)陣列放在房間里# 4、創(chuàng)建房間沖擊響應(yīng)(Room Impulse Response)room.compute_rir()# 5、模擬聲音傳播,每個源的信號將與相應(yīng)的房間脈沖響應(yīng)進行卷積。卷積的輸出將在麥克風(fēng)上求和。room.simulate()# 保存所有的信號到wav文件room.mic_array.to_wav('./guitar_16k_reverb_ISM.wav', norm=True, bitdepth=np.float32,)# 測量混響時間rt60 = room.measure_rt60()print('The desired RT60 was {}'.format(rt60_tgt))print('The measured RT60 is {}'.format(rt60[1, 0]))plt.figure()# 繪制其中一個RIR. both can also be plotted using room.plot_rir()rir_1_0 = room.rir[1][0] # 畫出 mic 1和 source 0 之間的 RIRplt.subplot(2, 1, 1)plt.plot(np.arange(len(rir_1_0)) / room.fs, rir_1_0)plt.title('The RIR from source 0 to mic 1')plt.xlabel('Time [s]')# 繪制 microphone 1 處接收到的信號plt.subplot(2, 1, 2)plt.plot(np.arange(len(room.mic_array.signals[1, :])) / room.fs, room.mic_array.signals[1, :])plt.title('Microphone 1 signal')plt.xlabel('Time [s]')plt.tight_layout()plt.show()

room = pra.ShoeBox( room_dim, fs=16000, materials=pra.Material(e_absorption), max_order=3, ray_tracing=True, air_absorption=True,)# 激活射線追蹤room.set_ray_tracing()

room.simulate(reference_mic=0, snr=10) # 控制信噪比

分析語音數(shù)據(jù)增強及python實現(xiàn)

分析語音數(shù)據(jù)增強及python實現(xiàn)

3.2、方法二:Image Source Method 算法講解

從這里要講算法和原理了,

代碼參考:matlab版本:RIR-Generator,python版本:rir-generator

鏡像源法簡介:

分析語音數(shù)據(jù)增強及python實現(xiàn)

將反射面等效為一個虛像,或者說鏡像。比如說,在一個開放空間里有一面平整墻面,那么一個聲源可以等效為2兩個聲源;一個開放空間里有兩面垂直的平整墻面,那么一個聲源可以等效為4個;同理三面的話是8個。原理上就是這樣,但是封閉的三維空間里情況有那么點復(fù)雜,

一般來說,家里的空房間可以一定程度上近似為矩形盒子,假設(shè)房間尺寸為:

分析語音數(shù)據(jù)增強及python實現(xiàn)

元素大小分別代表長寬高,而聲源的三維坐標為

分析語音數(shù)據(jù)增強及python實現(xiàn)

麥克風(fēng)的三維坐標為

分析語音數(shù)據(jù)增強及python實現(xiàn)

鏡像聲源$(i,j,k)$到麥克風(fēng)距離在三個坐標軸上的位置為

分析語音數(shù)據(jù)增強及python實現(xiàn)

那么聲源$(i,j,k)$距離麥克風(fēng)的距離為

分析語音數(shù)據(jù)增強及python實現(xiàn)

相對于直達聲的到達延遲時間為

分析語音數(shù)據(jù)增強及python實現(xiàn)

其中$c$為聲速,$r$為聲源到麥克風(fēng)的直線距離。那么,混響效果等效為不同延遲的信號的疊加,即混響效果可以表示為一個FIR濾波器與信號源卷積的形式,此濾波器可寫為如下形式

分析語音數(shù)據(jù)增強及python實現(xiàn)

濾波器的抽頭系數(shù)與鏡面的反射系數(shù)與距離相關(guān),如果每個面的反射系數(shù)不同則形式略復(fù)雜。詳細代碼還是要看RIR-Generator,我這里只做拋轉(zhuǎn)引玉,寫一個最簡單的。

模擬鏡像源:

房間尺寸(m):4 X 4 X 3

聲源坐標(m):2 X 2 X 0

麥克風(fēng)坐標(m):2 X 2 X 1.5

混響時間(s):0.2

RIR長度:512

clc;clear;c = 340; % 聲速 (m/s)fs = 16000; % Sample frequency (samples/s)r = [2 2 1.5]; % 麥克風(fēng)位置 [x y z] (m)s = [2 2 0]; % 揚聲器位置 [x y z] (m)L = [4 4 3];% 房間大小 [x y z] (m)beta = 0.2; % 混響時間 (s)n = 512; % RIR長度h = rir_generator(c, fs, r, s, L, beta, n);disp(size(h)) % (1,4096)[speech, fs] = audioread('./test_wav/p225_001.wav');disp(size(speech)); % (46797,1)y = conv(speech’, h);disp(length(y))% 開始畫圖figure(’color’,’w’); % 背景色設(shè)置成白色subplot(3,1,1)plot(h)title('房間沖擊響應(yīng) RIR','FontSize',14)subplot(3,2,3)plot(speech)title('原語音波形','FontSize',14)subplot(3,2,4)plot(y)title('加混響語音波形','FontSize',14)subplot(3,2,5)specgram(speech,512,fs,512,256);title('原語音頻譜','FontSize',14)subplot(3,2,6)specgram(y,512,fs,512,256);title('加混響語音頻譜','FontSize',14)audiowrite('./test_wav/matlab_p225_001_reverber.wav',y,fs)

分析語音數(shù)據(jù)增強及python實現(xiàn)

四、生成指定SER的混響

SER的公式為

分析語音數(shù)據(jù)增強及python實現(xiàn)

其中E是統(tǒng)計 期望操作,$s(n)$是近端語音,$d(n)$是遠端回聲,

由于我們需要根據(jù)指定的SER求混響信號,并且近端語音和遠端混響都是已知的,我們只需要求得一個系數(shù),來調(diào)整回聲信號的能量大小,與遠端混響相乘即可得我們想要的混響語音,即調(diào)整后的回聲信號為$kd(n)$

根據(jù)以上公式,可以推導(dǎo)出$k$的值

分析語音數(shù)據(jù)增強及python實現(xiàn)

最終$kd(n)$即我們所求的指定SER的混響。

def add_echo_ser(near_speech, far_echo, SER): '''根據(jù)指定的SER求回聲 :param near_speech: 近端語音 :param far_echo: 遠端回聲 :param SER: 指定的SER :return: 指定SER的回聲 ''' p_near_speech = np.mean(near_speech ** 2) # 近端語音功率 p_far_echo = np.mean(far_echo ** 2) # 遠端回聲功率 k = np.sqrt(p_near_speech / (10 ** (SER / 10)) / p_far_echo) return k * far_echo

分析語音數(shù)據(jù)增強及python實現(xiàn)

五、波形位移

語音波形移動使用numpy.roll函數(shù)向右移動shift距離

numpy.roll(a,shift,axis=None)

參數(shù):

a:數(shù)組 shift:滾動的長度 axis:滾動的維度。0為垂直滾動,1為水平滾動,參數(shù)為None時,會先將數(shù)組扁平化,進行滾動操作后,恢復(fù)原始形狀

x = np.arange(10)# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])print(np.roll(x, 2))# array([8, 9, 0, 1, 2, 3, 4, 5, 6, 7])

波形位移函數(shù):

def time_shift(x, shift): # shift:移動的長度 return np.roll(x, int(shift))Augmentation = time_shift(wav_data, shift=fs//2)

分析語音數(shù)據(jù)增強及python實現(xiàn)

六、波形拉伸

在不影響音高的情況下改變聲音的速度 / 持續(xù)時間。這可以使用librosa的time_stretch函數(shù)來實現(xiàn)。

def time_stretch(x, rate): # rate:拉伸的尺寸, # rate > 1 加快速度 # rate < 1 放慢速度 return librosa.effects.time_stretch(x, rate)Augmentation = time_stretch(wav_data, rate=2)

分析語音數(shù)據(jù)增強及python實現(xiàn)

七、音高修正(Pitch Shifting)

音高修正只改變音高而不影響音速,我發(fā)現(xiàn)-5到5之間的步數(shù)更合適

def pitch_shifting(x, sr, n_steps, bins_per_octave=12): # sr: 音頻采樣率 # n_steps: 要移動多少步 # bins_per_octave: 每個八度音階(半音)多少步 return librosa.effects.pitch_shift(x, sr, n_steps, bins_per_octave=bins_per_octave)# 向上移三音(如果bins_per_octave為12,則六步)Augmentation = pitch_shifting(wav_data, sr=fs, n_steps=6, bins_per_octave=12)# 向上移三音(如果bins_per_octave為24,則3步)Augmentation = pitch_shifting(wav_data, sr=fs, n_steps=3, bins_per_octave=24)# 向下移三音(如果bins_per_octave為12,則六步)Augmentation = pitch_shifting(wav_data, sr=fs, n_steps=-6, bins_per_octave=12)

分析語音數(shù)據(jù)增強及python實現(xiàn)

還有寫沒有跑通,但是總感覺有些價值的代碼,記錄在這里:

py-RIR-Generator(沒跑通的原因是我是window系統(tǒng))gpuRIR(這個我跑通了,但是需要較大的計算資源)去github找代碼的時候,不一定要搜索“回聲”,“混響”,也可以通過搜索'RIR'同樣可以得到想要的結(jié)果

本文畫圖代碼:

# Author:凌逆戰(zhàn)# -*- coding:utf-8 -*-import matplotlib.pyplot as pltimport librosaimport numpy as npplt.rcParams[’font.sans-serif’]=[’SimHei’] #用來正常顯示中文標簽plt.rcParams[’axes.unicode_minus’]=False #用來正常顯示符號y1, _ = librosa.load('./speech.wav', sr=16000)y2, _ = librosa.load('./guitar_16k_reverb_ISM.wav', sr=16000)plt.subplot(2, 2, 1)plt.specgram(y1, Fs=16000, scale_by_freq=True, sides=’default’, cmap='jet')plt.title('語譜圖', fontsize=13)plt.xlabel(’時間/s’, fontsize=13)plt.ylabel(’頻率/Hz’, fontsize=13)plt.subplot(2, 2, 2)plt.plot(np.arange(len(y1)) / 16000, y1)plt.title('波形圖', fontsize=13)plt.xlabel(’時間/s’, fontsize=13)plt.ylabel(’振幅’, fontsize=13)plt.subplot(2, 2, 3)plt.specgram(y2, Fs=16000, scale_by_freq=True, sides=’default’, cmap='jet')plt.title('語譜圖(加混響)', fontsize=13)plt.xlabel(’時間/s’, fontsize=13)plt.ylabel(’頻率/Hz’, fontsize=13)plt.subplot(2, 2, 4)plt.plot(np.arange(len(y2)) / 16000, y2)plt.title('波形圖(加混響)', fontsize=13)plt.xlabel(’時間/s’, fontsize=13)plt.ylabel(’振幅’, fontsize=13)plt.tight_layout()plt.show()

以上就是分析語音數(shù)據(jù)增強及python實現(xiàn)的詳細內(nèi)容,更多關(guān)于語音數(shù)據(jù)增強 python實現(xiàn)的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章!

標簽: Python 編程
相關(guān)文章:
主站蜘蛛池模板: 油漆辅料厂家_阴阳脚线_艺术漆厂家_内外墙涂料施工_乳胶漆专用防霉腻子粉_轻质粉刷石膏-魔法涂涂 | 回转支承-转盘轴承-回转驱动生产厂家-洛阳隆达轴承有限公司 | 全自动实验室洗瓶机,移液管|培养皿|进样瓶清洗机,清洗剂-广州摩特伟希尔机械设备有限责任公司 | 旋振筛_不锈钢旋振筛_气旋筛_旋振筛厂家—新乡市大汉振动机械有限公司 | 团建-拓展-拓展培训-拓展训练-户外拓展训练基地[无锡劲途] | 水平筛厂家-三轴椭圆水平振动筛-泥沙震动筛设备_山东奥凯诺矿机 包装设计公司,产品包装设计|包装制作,包装盒定制厂家-汇包装【官方网站】 | 361°官方网站| 广州展台特装搭建商|特装展位设计搭建|展会特装搭建|特装展台制作设计|展览特装公司 | 众品家具网-家具品牌招商_家具代理加盟_家具门户的首选网络媒体。 | 玉米加工设备,玉米深加工机械,玉米糁加工设备.玉米脱皮制糁机 华豫万通粮机 | 上海佳武自动化科技有限公司 | 气体热式流量计-定量控制流量计(空气流量计厂家)-湖北南控仪表科技有限公司 | 快干水泥|桥梁伸缩缝止水胶|伸缩缝装置生产厂家-广东广航交通科技有限公司 | 房间温控器|LonWorks|海思 | 安全光栅|射频导纳物位开关|音叉料位计|雷达液位计|两级跑偏开关|双向拉绳开关-山东卓信机械有限公司 | 济南ISO9000认证咨询代理公司,ISO9001认证,CMA实验室认证,ISO/TS16949认证,服务体系认证,资产管理体系认证,SC食品生产许可证- 济南创远企业管理咨询有限公司 郑州电线电缆厂家-防火|低压|低烟无卤电缆-河南明星电缆 | 2025第九届世界无人机大会| 武汉高低温试验箱_恒温恒湿试验箱厂家-武汉蓝锐环境科技有限公司 | 钢结构-钢结构厂房-钢结构工程[江苏海逵钢构厂] | 400电话_400电话申请_888元包年_400电话办理服务中心_400VIP网 | 安规_综合测试仪,电器安全性能综合测试仪,低压母线槽安规综合测试仪-青岛合众电子有限公司 | elisa试剂盒价格-酶联免疫试剂盒-猪elisa试剂盒-上海恒远生物科技有限公司 | 网架支座@球铰支座@钢结构支座@成品支座厂家@万向滑动支座_桥兴工程橡胶有限公司 | 亿诺千企网-企业核心产品贸易| 必胜高考网_全国高考备考和志愿填报信息平台 | 杭州实验室尾气处理_实验台_实验室家具_杭州秋叶实验设备有限公司 | 深圳活动策划公司|庆典策划|专业公关活动策划|深圳艺典文化传媒 重庆中专|职高|技校招生-重庆中专招生网 | 智慧养老_居家养老_社区养老_杰佳通 | 婚博会2024时间表_婚博会门票领取_婚博会地址-婚博会官网 | 青岛代理记账_青岛李沧代理记账公司_青岛崂山代理记账一个月多少钱_青岛德辉财税事务所官网 | 烟雾净化器-滤筒除尘器-防爆除尘器-除尘器厂家-东莞执信环保科技有限公司 | 防锈油-助焊剂-光学玻璃清洗剂-贝塔防锈油生产厂家 | 仓储笼_金属箱租赁_循环包装_铁网箱_蝴蝶笼租赁_酷龙仓储笼租赁 测试治具|过炉治具|过锡炉治具|工装夹具|测试夹具|允睿自动化设备 | 微量水分测定仪_厂家_卡尔费休微量水分测定仪-淄博库仑 | 小型玉石雕刻机_家用玉雕机_小型万能雕刻机_凡刻雕刻机官网 | 机床主轴维修|刀塔维修|C轴维修-常州翔高精密机械有限公司 | 语料库-提供经典范文,文案句子,常用文书,您的写作得力助手 | 合肥角钢_合肥槽钢_安徽镀锌管厂家-昆瑟商贸有限公司 | 岛津二手液相色谱仪,岛津10A液相,安捷伦二手液相,安捷伦1100液相-杭州森尼欧科学仪器有限公司 | 鑫铭东办公家具一站式定制采购-深圳办公家具厂家直销 | 施工围挡-施工PVC围挡-工程围挡-深圳市旭东钢构技术开发有限公司 |