mindspore.dataset.audio.BandBiquad

查看源文件
class mindspore.dataset.audio.BandBiquad(sample_rate, central_freq, Q=0.707, noise=False)[源代码]

给音频波形施加双极点带通滤波器。

带通滤波器的频率响应在中心频率附近呈对数下降。下降的斜率由带宽决定。频带两端处输出音频的幅度将是原始幅度的一半。

接口实现方式类似于 SoX库

说明

待处理音频shape需为<…, time>。

参数:
  • sample_rate (int) - 采样频率(单位:Hz),不能为零。

  • central_freq (float) - 中心频率(单位:Hz)。

  • Q (float, 可选) - 品质因子 ,能够反映带宽与采样频率和中心频率的关系,取值范围为(0, 1]。默认值: 0.707

  • noise (bool, 可选) - 若为True,则使用非音调音频(如打击乐)模式;若为False,则使用音调音频(如语音、歌曲或器乐)模式。默认值: False

异常:
  • TypeError - 当 sample_rate 的类型不为int。

  • ValueError - 当 sample_rate 的数值为0。

  • TypeError - 当 central_freq 的类型不为float。

  • TypeError - 当 Q 的类型不为float。

  • ValueError - 当 Q 取值不在(0, 1]范围内。

  • TypeError - 当 noise 的类型不为bool。

  • RuntimeError - 当输入音频的shape不为<…, time>。

支持平台:

CPU

样例:

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.audio as audio
>>>
>>> # Use the transform in dataset pipeline mode
>>> waveform = np.random.random([5, 16])  # 5 samples
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.BandBiquad(44100, 200.0)]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms, input_columns=["audio"])
>>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True):
...     print(item["audio"].shape, item["audio"].dtype)
...     break
(16,) float64
>>>
>>> # Use the transform in eager mode
>>> waveform = np.random.random([16])  # 1 sample
>>> output = audio.BandBiquad(44100, 200.0)(waveform)
>>> print(output.shape, output.dtype)
(16,) float64
教程样例: