mindspore.dataset.audio.Filtfilt
- 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_coeffs 与 b_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: