librosa--学习笔记（1）

"""
参数：
    path ：音频文件的路径。
    sr：采样率，是每秒传输的音频样本数，以Hz或kHz为单位。默认采样率为22050Hz（sr缺省或sr=None），高于该采样率的音频文件会被下采样，低于该采样率的文件会被上采样。
    以44.1KHz重新采样：librosa.load(audio_path, sr=44100)
    禁用重新采样（使用音频自身的采样率）：librosa.load(audio_path, sr=None)
    mono ：bool值，表示是否将信号转换为单声道。mono=True为单声道，mono=False为stereo立体声            
    offset ：float，在此时间之后开始阅读（以秒为单位）
    duration：持续时间，float，仅加载这么多的音频（以秒为单位）
    dtype：返回的音频信号值的格式，似乎只有float和float32
    res_type：重采样的格式
返回：
    y：音频时间序列，类型为numpy.ndarray
    sr：音频的采样率，如果参数没有设置返回的是原始采样率
"""

使用IPython.display.Audio 直接在jupyter笔记本中播放音频：

import IPython.display as ipd
ipd.Audio(path)

重采样：librosa.resample(y, sr, 16000, fix=True, scale=False)：

"""
参数：
    y：音频时间序列。可以是单声道或立体声。
    orig_sr：y的原始采样率
    target_sr：目标采样率
    fix：bool，调整重采样信号的长度。
    scale：bool，缩放重新采样的信号，以使y和y_hat具有大约相等的总能量。
返回：
    y_hat ：重采样之后的音频数组
"""

计算时间序列的的持续时间（以秒为单位）：librosa.get_duration(y=y, sr=22050, S=None, n_fft=2048, hop_length=512, center=True, filename=None) ：

"""
参数：
    y：音频时间序列
    sr：y的音频采样率
    S：STFT矩阵或任何STFT衍生的矩阵（例如，色谱图或梅尔频谱图）。根据频谱图输入计算的持续时间仅在达到帧分辨率之前才是准确的。如果需要高精度，则最好直接使用音频时间序列。
    n_fft：S的FFT窗口大小
    hop_length ：S列之间的音频样本数
    center ：布尔值
        如果为True，则S [:, t]的中心为y [t* hop_length]
        如果为False，则S [:, t]从y[t * hop_length]开始
    filename：如果提供，则所有其他参数都将被忽略，并且持续时间是直接从音频文件中计算得出的。
返回：d ：持续时间（以秒为单位）
"""

过零率：描述声音的明亮程度，声音越明亮，过零率越高。因为声音信号是波形，所以过零率越高，表示频率越高。声音的频率高则其在单位时间内拥有更多波形周期，因此 单位时间内过零数会更多，那么过零率就更高。librosa.zero_crossings(y[n0:n1], pad=False)：

"""
参数：
    y：音频时间序列
    frame_length ：帧长
    hop_length：帧移
    center：bool，如果为True，则通过填充y的边缘来使帧居中。
返回：zcr：zcr[0，i]是第i帧中的过零率
"""

"""
参数：
    y：信号值
    max_size：要求自相关的长度
    axis：沿着的维
返回值：y关于max_size的自相关值
"""

展示波形：librosa.display.waveshow(y, sr=22050, x_axis='time', offset=0.0, ax=None)：

"""
参数：
    y：音频时间序列
    sr：y的采样率
    x_axis：str {‘time’，‘off’，‘none’}或None，如果为“时间”，则在x轴上给定时间刻度线。
    offset：水平偏移（以秒为单位）开始波形图
音频信号每一位分别对应一个采样点，其位数等于“采样率*音频时长（以秒为单位）”，记录了每个样本上音频的振幅信息.
"""

数据标准化：sklearn.preprocessing.scale(mfccs, axis=1,with_mean=True, with_std=True)  

"""
公式：(X-X_mean)/X_std 计算时对每个属性/每列分别进行。
原理：得到的结果是，对每个属性/每列来说所有数据都聚集在0附近，方差值为1。
参数：
    X：待处理的数组
    axis：表示处理哪个维度，0表示处理横向的数据（行）， 1表示处理纵向的数据（列）
    with_mean：默认为true，表示使均值为0
    with_std：默认为true，表示使标准差为1
"""

抽取mfcc特征：librosa.feature.mfcc(y, sr)：

"""
参数：
    y：音频数据。np.ndarray [shape=(n,)] 或 None
    sr：y的采样率。number > 0 [scalar]
    S：对数功能梅尔谱图。np.ndarray [shape=(d, t)] or None
    n_mfcc：要返回的MFCC数量。 int > 0 [scalar]
    dct_type：离散余弦变换（DCT）类型。默认情况下，使用DCT类型2。None, or {1, 2, 3}
    norm： None or ‘ortho’ 规范。如果dct_type为2或3，则设置norm =’ortho’使用正交DCT基础。标准化不支持dct_type = 1。
    n_fft：返回的mfcc数据维数，默认为13维。#获得N_FFT的长度N_FFT=getNearestLen(0.25,sr)；print(“N_FFT:” , N_FFT)
    hop_length：帧移
    lifter: 如果 lifter>0, 提升倒谱滤波。设置lifter >= 2 * n_mfcc强调高阶系数。随着lifter的增加，权重系数近似为线性。
    kwargs: 额外的关键参数。参数melspectrogram，如果按时间序列输入操作
返回：M：np.ndarray [shape=(n_mfcc, t)] 。 MFCC序列
"""