mindspore.dataset.audio.ComputeDeltas

class mindspore.dataset.audio.ComputeDeltas(win_length=5, pad_mode=BorderType.EDGE)

计算频谱的delta系数，也叫差分系数。

delta系数能够帮助理解功率谱中的动态信息。能够通过下列公式进行计算。

\[d_{t}=\frac{{\textstyle\sum_{n=1}^{N}}n(c_{t+n}-c_{t-n})}{2{\textstyle\sum_{n=1}^{N}}n^{2}}\]

其中， \(d_{t}\) 是 \(t\) 时刻的delta值， \(c_{t}\) 是 \(t\) 时刻的频谱系数， \(N\) 是 \((\text{win_length} - 1) // 2\) 。

参数：

• win_length (int, 可选) - 用于计算delta值的窗口长度，必须不小于3。默认值：5。

• pad_mode (mindspore.dataset.audio.BorderType , 可选) - 边界填充模式，可为 BorderType.CONSTANT，BorderType.EDGE，BorderType.REFLECT或BorderType.SYMMETRIC。 默认值：BorderType.EDGE。

  • BorderType.CONSTANT，使用常量值填充。

  • BorderType.EDGE，使用各边的边界像素值填充。

  • BorderType.REFLECT，以各边的边界为轴进行镜像填充，忽略边界像素值。 例如，向 [1, 2, 3, 4] 的两边分别填充2个元素，结果为 [3, 2, 1, 2, 3, 4, 3, 2]。

  • BorderType.SYMMETRIC，以各边的边界为轴进行对称填充，包括边界像素值。 例如，向 [1, 2, 3, 4] 的两边分别填充2个元素，结果为 [2, 1, 1, 2, 3, 4, 4, 3]。

异常：

• TypeError - 当 win_length 的类型不为int。

• ValueError - 当 win_length 小于3。

• TypeError - 当 pad_mode 的类型不为 mindspore.dataset.audio.BorderType 。

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

样例：

>>> import numpy as np
>>> from mindspore.dataset.audio import BorderType
>>>
>>> waveform = np.random.random([1, 400 // 2 + 1, 30])
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.ComputeDeltas(win_length=7, pad_mode=BorderType.EDGE)]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms, input_columns=["audio"])