预处理
用于信号处理操作的处理模块。
该模块演示了信号处理功能的文档，这些文档是包中的内部计算所必需的。
| ivar preemphasis： | |
|---|---|
| 专注于信号。这是一个预处理步骤。 | |
| ivar stack_frames： | |
| 从原始信号创建堆叠帧。 | |
| ivar fft_spectrum： | |
| 快速傅立叶变换的计算。 | |
| ivar power_spectrum： | |
| 功率谱计算。 | |
| ivar log_power_spectrum： | |
| 记录功率谱计算。 | |
| ivar derivative_extraction： | |
| 计算提取的特征的导数。 | |
| ivar cmvn： | 倒谱均值方差归一化。这是一个后处理操作。 |
| ivar cmvnw： | 滑动窗口上的倒谱均值方差归一化。这是一个后处理操作。 |
预加重
speechpy.processing.preemphasis（signal，shift = 1，cof = 0.98 ）[来源]
预先强调信号。
| 参数： | |
|---|---|
| 返回： | 预先强调的信号。 |
| 返回类型： | 排列 |
堆叠
speechpy.processing.stack_frames（sig，sampling_frequency，frame_length = 0.02，frame_stride = 0.02，filter = <function <lambda >>，zero_padding = True ）[source]
将信号帧化为重叠帧。
| 参数： | |
|---|---|
| 返回： | Stacked_frames - 大小的帧数组（number_of_frames x frame_len）。 |
| 返回类型： | 排列 |
FFT频谱
speechpy.processing.fft_spectrum（frames，fft_points = 512 ）[来源]
该函数通过称为快速傅里叶变换（FFT）的有效算法计算实值阵列的一维n点离散傅立叶变换（DFT）。 有关更多详细信息，请参阅https://docs.scipy.org/doc/numpy/reference/generated/numpy.fft.rfft.html。
| 参数： |
|
|---|---|
| 返回： | fft谱。如果frames是num_frames x sample_per_frame矩阵，则输出将为num_frames x FFT_LENGTH。 |
| 返回类型： | 排列 |
功率谱
speechpy.processing.power_spectrum（frames，fft_points = 512 ）[来源]
每帧的功率谱。
| 参数： |
|
|---|---|
| 返回： | 功率谱。如果frames是num_frames x sample_per_frame矩阵，则输出将为num_frames x fft_length。 |
| 返回类型： | 排列 |
功率谱日志
speechpy.processing.log_power_spectrum（frames，fft_points = 512，normalize = True ）[来源]
以帧为单位记录每帧的功率谱。
| 参数： | |
|---|---|
| 返回： | 功率谱 - 如果帧是num_frames x sample_per_frame矩阵，则输出将为num_frames x fft_length。 |
| 返回类型： | 排列 |
导数提取
speechpy.processing.derivative_extraction（feat，DeltaWindows ）[来源]
此功能是衍生功能。
| 参数： |
|
|---|---|
| 返回： | 微分特征向量 - 一个NUMFRAMESxNUMFEATURES numpy数组，它是沿着这些特征的衍生特征。 |
| 返回类型： | 排列 |