mindspore.dataset.audio.BandBiquad
- 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: