基于Python实现的语音特征提取声音信号处理 课程论文+源码及数据

---

使用 python 进行音频处理目录使用 python 进行音频处理 1实验目的及实验内容 1实验目的： 1实验内容： 1原理分析： 1实验环境 6实验步骤及实验过程分析 8解码结果： 56实验结果总结 57实验目的及实验内容（本次实验所涉及并要求掌握的知识；实验内容；必要的原理分析）实验目的：使用 python 进行音频处理实验内容：学习音频相关知识点，掌握 MFCC 特征提取步骤，使用给定的 chew.wav 音频文件进行特征提取。音频文件在实验群里下载。部署 KALDI，简要叙述部署步骤运行 yes/no 项目实例，简要解析发音词典内容，画出初步的 WFST 图（按 PPT 里图的形式）。调整并运行 TIMIT 项目，将命令行输出的过程与 run.sh 各部分进行对应，叙述顶层脚本run.sh 的各部分功能（不需要解析各训练过程的详细原理）。原理分析：对 chew.wav 进行特征提取声音信号本是一维时域信号（声音信号随时间变化），我们可以通过傅里叶变换将其转换到频域上,但这样又失去了时域信息，无法看出频率分布随时间的变化。短时傅里叶（STFT）就是为了解决这个问题而发明的常用手段。所谓的短时傅里叶变换，即把一段长信号分帧、加窗，再对每一帧做快速傅里叶变换（FFT），最后把每一帧的结果沿另一个维度堆叠起来，得到类似于一幅图的二维信号形式。语音信号是不稳定的时变信号，但为了便于处理，我们假设在一个很短的时间内，如-40ms 内为一个稳定的系统，也就是 1 帧。但是我们不能简单平均分割语音，相邻的帧之间需要有一定的重合。我们通常以 25ms 为 1 帧，帧移为 10ms，因此 1 秒的信号会有 10 帧。