mindspore.dataset.audio.Filtfilt

查看源文件
class mindspore.dataset.audio.Filtfilt(a_coeffs, b_coeffs, clamp=True)[源代码]

对音频波形施加正反向IIR滤波。

参数:
  • a_coeffs (Sequence[float]) - 不同维度的差分方程分母系数。低维的延迟系数在前,例如[a0, a1, a2, …]。 序列长度必须与 b_coeffs 相同(根据需要填充0值)。

  • b_coeffs (Sequence[float]) - 不同维度的差分方程分子系数。低维的延迟系数在前,例如[b0, b1, b2, …]。 序列长度必须与 a_coeffs 相同(根据需要填充0值)。

  • clamp (bool, 可选) - 如果为 True ,将输出信号截断在[-1, 1]范围内。默认值: True

异常:
  • TypeError - 当 a_coeffs 的类型不为Sequence[float]。

  • TypeError - 当 b_coeffs 的类型不为Sequence[float]。

  • ValueError - 当 a_coeffsb_coeffs 维度不同。

  • TypeError - 当 clamp 的类型不为bool。

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

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.Filtfilt(a_coeffs=[0.1, 0.2, 0.3], b_coeffs=[0.1, 0.2, 0.3])]
>>> 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.Filtfilt(a_coeffs=[0.1, 0.2, 0.3], b_coeffs=[0.1, 0.2, 0.3])(waveform)
>>> print(output.shape, output.dtype)
(16,) float64
教程样例: