《语音识别技术及应用》 项目二 语音特征提取.pptx

语音识别

技术及应用;全书目录;;SpeechRecognition;能够编写程序，完成语音数据的预处理操作。

能够编写程序，对语音数据进行短时傅里叶变换。

能够编写程序，提取语音数据的语谱图、Fbank和MFCC特征。;;;;项目分析;项目准备;;2.1语音特征的提取流程;2.1语音特征的提取流程;2.1语音特征的提取流程;课堂检测;课堂小结;;2.2.1预加重 1．预加重的基本原理;2.2.1预加重 1．预加重的基本原理;2.2.1预加重 2．预加重的编程实现;2.2.1预加重 2．预加重的编程实现;2.2.1预加重 2．预加重的编程实现;2.2.1预加重 2．预加重的编程实现;2.2.1预加重 2．预加重的编程实现;;2.2.2分帧与加窗 1．分帧与加窗的基本原理;2.2.2分帧与加窗 1．分帧与加窗的基本原理;2.2.2分帧与加窗 1．分帧与加窗的基本原理;2.2.2分帧与加窗 1．分帧与加窗的基本原理;2.2.2分帧与加窗 1．分帧与加窗的基本原理;2.2.2分帧与加窗 1．分帧与加窗的基本原理;2.2.2分帧与加窗 1．分帧与加窗的基本原理;;2.2.2分帧与加窗 2．分帧与加窗的编程实现;2.2.2分帧与加窗 2．分帧与加窗的编程实现;2.2.2分帧与加窗 2．分帧与加窗的编程实现;2.2.2分帧与加窗 2．分帧与加窗的编程实现;2.2.2分帧与加窗 2．分帧与加窗的编程实现;2.2.2分帧与加窗 2．分帧与加窗的编程实现;2.2.2分帧与加窗 2．分帧与加窗的编程实现;2.2.2分帧与加窗 2．分帧与加窗的编程实现;课堂检测;课堂小结;;2.3短时傅里叶变换;2.3.1短时傅里叶变换的基本原理;2.3.1短时傅里叶变换的基本原理;2.3.1短时傅里叶变换的基本原理;librosa.stft(y,n_fft=2048,hop_length=None,win_length=None,

window=hann);2.3.2短时傅里叶变换的编程实现;2.3.2短时傅里叶变换的编程实现;2.3.2短时傅里叶变换的编程实现;2.3.2短时傅里叶变换的编程实现;课堂检测;课堂小结;;2.4.1提取语谱图特征 1．语谱图特征分析;2.4.1提取语谱图特征 1．语谱图特征分析;2.4.1提取语谱图特征 2．语谱图特征的提取方法;2.4.1提取语谱图特征 2．语谱图特征的提取方法;2.4.1提取语谱图特征 2．语谱图特征的提取方法;2.4.1提取语谱图特征 2．语谱图特征的提取方法;2.4.1提取语谱图特征 2．语谱图特征的提取方法;2.4.1提取语谱图特征 2．语谱图特征的提取方法;2.4.2提取Fbank特征 1．Fbank特征分析;2.4.2提取Fbank特征 1．Fbank特征分析;2.4.2提取Fbank特征 1．Fbank特征分析;2.4.2提取Fbank特征 2．Fbank特征的提取方法;2.4.2提取Fbank特征 2．Fbank特征的提取方法;2.4.2提取Fbank特征 2．Fbank特征的提取方法;2.4.2提取Fbank特征 2．Fbank特征的提取方法;2.4.3提取MFCC特征 1．MFCC特征分析;2.4.3提取MFCC特征 1．MFCC特征分析;2.4.3提取MFCC特征 2．MFCC特征的提取方法;课堂检测;课堂小结;项目实施;项目实施;项目实训;（2）导入Librosa和Matplotlib库。

（3）使用Librosa库中的load()函数导入语音文件。

（4）对语音文件“SN0007.wav”进行预加重处理。

（5）对预加重处理前后的语音文件进行可视化。

（6）提取并输出语音文件的Fbank特征。

（7）使用imshow()函数对Fbank特征进行可视化。;项目实训;项目评价;项目评价;谢谢观看