mindspore.dataset.audio.SpectralCentroid

class mindspore.dataset.audio.SpectralCentroid(sample_rate, n_fft=400, win_length=None, hop_length=None, pad=0, window=WindowType.HANN)[源代码]

计算每个通道沿时间轴的频谱中心。

参数:
  • sample_rate (int) - 音频信号的采样率,例如44100 (Hz)。

  • n_fft (int, 可选) - FFT的大小,将创建 n_fft // 2 + 1 个频段。默认值: 400

  • win_length (int, 可选) - 窗口大小。默认值: None ,将使用 n_fft

  • hop_length (int, 可选) - STFT窗口之间的跳跃长度。默认值: None ,将使用 win_length // 2

  • pad (int, 可选) - 信号两端的填充长度。默认值: 0

  • window (WindowType, 可选) - 作用于每一帧的窗口函数,可为 WindowType.BARTLETTWindowType.BLACKMANWindowType.HAMMINGWindowType.HANNWindowType.KAISER 。默认值: WindowType.HANN

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

  • ValueError - 当 sample_rate 为负数。

  • TypeError - 当 n_fft 的类型不为int。

  • ValueError - 当 n_fft 不为正数。

  • TypeError - 当 win_length 的类型不为int。

  • ValueError - 当 win_length 不为正数。

  • ValueError - 当 win_length 大于 n_fft

  • TypeError - 当 hop_length 的类型不为int。

  • ValueError - 当 hop_length 不为正数。

  • TypeError - 当 pad 的类型不为int。

  • ValueError - 当 pad 为负数。

  • TypeError - 当 window 的类型不为 mindspore.dataset.audio.WindowType

  • 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
>>>
>>> waveform = np.random.random([5, 10, 20])
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.SpectralCentroid(44100)]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms, input_columns=["audio"])
教程样例: