读取语音文件 2020-2-26 Jie Y. Init 这里的wavfile.read()函数修改了里面的代码，返回项return fs, data 改为了return fs, data, bit_depth 如果这里

:param s: 一帧数据 :param p: 线性预测的阶数 :return:

计算并返回信号s的mfcc参数及其一阶和二阶差分参数 :param num: :param s: :param Fs: :return:

计算mfcc系数 :param x: 输入信号 :param fs: 采样率 :param p: Mel滤波器组的个数 :param frameSize: 分帧的每帧长度 :param inc: 帧移 :return:

分割成語音段 :param express: :return:

归一化 :param r: :return:

计算信号的信噪比 :param s: 信号 :param r1: 噪声 :return:

计算短时过零率 :param x: :param win: :param inc: :return:

信息写入到.wav文件中 :param data: 语音信息数据 :param fs: 采样率(Hz) :param binary: 是否写成二进制文件(只有在写成二进制文件才能用audioplayer播放)

计算Mel滤波器组 :param p: 滤波器个数 :param n: 一帧FFT后的数据长度 :param fs: 采样率 :param fl: 最低频率 :param fh: 最高频率 :param w: 窗(没有加窗，无效

端点检测 :param X:输入为录入语音 :return:输出为有用信号

使用能熵比检测基音，实际上就是语音分段 :param x: :param wnd: :param inc: :param T1: :param miniL: :return:

动态时间规划 :param F:为模板MFCC参数矩阵 :param R:为当前语音MFCC参数矩阵 :return:cost为最佳匹配距离

基于重叠存储法的信号还原函数 :param x: 分帧数据 :param win: 窗 :param inc: 帧移 :return:

LPC求根法的共振峰估计函数 :param u: :param p: :param fs: :param n_frmnt: :return:

样本数据归一化 input:data(mat):样本特征矩阵 output:Nor_feature(mat):归一化的样本特征矩阵

计算短时相关函数 :param x: :return:

计算短时能量函数 :param x: :param win: :param inc: :return:

计算短时平均幅度计算函数 :param x: :param win: :param inc: :return:

计算混淆矩阵以及一些评价指标，并将混淆矩阵绘图出来 :param y_true: 真实标签，非one-hot编码 :param y_pred: 预测标签，非one-hot编码 :param labels: 标签的含义 :param title: 绘图的标题

计算混淆矩阵以及一些评价指标，并将混淆矩阵绘图出来 :param y_true: 真实标签，非one-hot编码 :param y_pred: 预测标签，非one-hot编码 :param labels: 标签的含义 :param title: 绘图的标题

计算MFCC差分系数 :param x: :return:

计算欧式距离 :param u: :param xi: :return:

求序列的极大值 :param x: :return:

倒谱法基音周期检测函数 :param x: :param wnd: :param inc: :param T1: :param fs: :param miniL: :return:

计算实倒谱

端点检测正向比较函数 :param dst1: :param T1: :param T2: :return:

小波包分解，分解得到的是最后一层的结果，并非小波系数 :param s: 源信号 :param jN: 分解层数 :param wname: 小波名 :return: out: 小波包系数,是len为2**jN的list,以a,d

小波包重构 :param s: 小波包分解系数，(a,d)间隔 :param wname: 小波名 :return: 各个分量的重构,注意这里重构的长度可能稍微大于原来的长度，如果要保证一样长，去除尾段的即可

DTW寻找最小失真值 :param r:为当前读入语音的MFCC参数矩阵 :param features:模型参数 :param N:为每个模板数量词汇数 :return:

基于比例重叠相加法的信号还原函数 :param x: 分帧数据 :param win: 窗 :param inc: 帧移 :return:

基于重叠相加法的信号还原函数 :param x: 分帧数据 :param win: 窗 :param inc: 帧移 :return:

倒谱法共振峰估计函数 :param u: :param cepstL: :return:

插值法估计共振峰函数 :param u: :param p: :param fs: :return:

测试样本与训练样本的距离矩阵对应的Gauss矩阵 input:Euclidean_D(mat):测试样本与训练样本的距离矩阵 sigma(float):Gauss函数的标准差 output:Gauss(mat):Gauss矩阵

使用LMS自适应滤波 :param xn:输入的信号序列 :param dn:所期望的响应序列 :param M:滤波器的阶数 :param mu:收敛因子(步长) :param itr:迭代次数 :return:

使用Normal LMS自适应滤波 :param xn:输入的信号序列 :param dn:所期望的响应序列 :param M:滤波器的阶数 :param mu:收敛因子(步长) :param itr:迭代次数 :return:

计算mfcc系数 :param x: 输入信号 :param fs: 采样率 :param p: Mel滤波器组的个数 :param frameSize: 分帧的每帧长度 :param inc: 帧移 :return:

测试样本属于各类的概率和矩阵 input:Gauss_mat(mat):Gauss矩阵 labelX(list):训练样本的标签矩阵 output:Prob_mat(mat):测试样本属于各类的概率矩阵 label_class(list):类

计算短时幅度差，好像有点问题 :param X: :return:

谱减法滤波 :param signal: :param wlen: :param inc: :param NIS: :param a: :param b: :return:

利用小波包-MFCC的方式提取特征，处理流程参考： 陈静，基于小波包变换和MFCC的说话人识别特征参数，语音技术，2009，DOI:10.16311/j.audioe.2009.02.017 :param x: 输入信号 :param fs: 采样率

小波硬阈值滤波 :param s: :param jN: :param wname: :return:

小波软阈值滤波 :param s: :param jN: :param wname: :return:

小波加权平均滤波 :param s: :param jN: :param wname: :param alpha: :return:

小波折中阈值滤波 :param s: :param jN: :param wname: :param alpha: :return:

APDCM解码函数 :param code: :param sign_bit: :return:

APDCM编码函数 :param x: :param sign_bit: :return:

播放语音文件 2020-2-25 Jie Y. Init :param frames_per_buffer: :return:

使用麦克风进行录音 2020-2-25 Jie Y. Init :param len: 录制时间长度(秒) :param formater: 格式 :param rate: 采样率 :

分类结果 input:Prob(mat):测试样本属于各类的概率矩阵 label_class(list):类别种类列表 output:results(list):测试样本分类结果

计算复倒谱

计算混淆矩阵以及一些评价指标，并将混淆矩阵绘图出来 :param y_true: 真实标签，非one-hot编码 :param y_pred: 预测标签，非one-hot编码 :param labels: 标签的含义 :param title: 绘图的标题

计算混淆矩阵以及一些评价指标，并将混淆矩阵绘图出来 :param y_true: 真实标签，非one-hot编码 :param y_pred: 预测标签，非one-hot编码 :param labels: 标签的含义 :param title: 绘图的标题

计算混淆矩阵以及一些评价指标，并将混淆矩阵绘图出来 :param y_true: 真实标签，非one-hot编码 :param y_pred: 预测标签，非one-hot编码 :param labels: 标签的含义 :param title: 绘图的标题

计算混淆矩阵以及一些评价指标，并将混淆矩阵绘图出来 :param y_true: 真实标签，非one-hot编码 :param y_pred: 预测标签，非one-hot编码 :param labels: 标签的含义 :param title: 绘图的标题

计算待测试样本与所有训练样本的欧式距离 input:Nor_trainX(mat):归一化的训练样本 Nor_testX(mat):归一化的测试样本 output:Euclidean_D(mat):测试样本与训练样本的距离矩阵

生成格雷编码序列 参考：https://www.jb51.net/article/133575.htm :param n: 长度 :return: 范围 2 ** n的格雷序列

计算复倒谱的逆变换

绘制等响度曲线，输入响度phon 2020-2-26 Jie Y. Init :param phon: 响度值0~90 :param isplot: 是否绘图，默认是 :return:

完成lbg均值聚类算法 :param x:为row*col矩阵，每一列为一个样本，每个样本有row个元素 :param k:返回k个分类 :return:

:param ar: 线性预测系数 :param npp: FFT阶数 :return:

将新数据进行投影 :param x:目标数据(n_samples,n_features) :return:

自相关法基音周期检测函数 :param x: :param wnd: :param inc: :param T1: :param fs: :param miniL: :return:

线性预测法基音周期检测函数 :param x: :param wnd: :param inc: :param T1: :param fs: :param p: :param miniL: :return:

将两个信号序列相加，若长短不一，在短的序列后端补零 :param data1: 序列1 :param data2: 序列2 :return:

将语音数据/或读取语音数据并绘制出来 2020-2-25 Jie Y. Init :param data: 语音数据 :param sr: 采样率 :param size: 绘图窗口大小