mindspore.dataset.audio.ComputeDeltas

class mindspore.dataset.audio.ComputeDeltas(win_length=5, pad_mode=BorderType.EDGE)[源代码]

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

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 (BorderType, 可选) - 边界填充模式,可为 BorderType.CONSTANTBorderType.EDGEBorderType.REFLECTBorderType.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>。

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, 400 // 2 + 1, 30])  # 5 samples
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.ComputeDeltas(win_length=7, pad_mode=audio.BorderType.EDGE)]
>>> 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
(201, 30) float64
>>>
>>> # Use the transform in eager mode
>>> waveform = np.random.random([400 // 2 + 1, 30])  # 1 sample
>>> output = audio.ComputeDeltas(win_length=7, pad_mode=audio.BorderType.EDGE)(waveform)
>>> print(output.shape, output.dtype)
(201, 30) float64
教程样例: