### 使用 Python 实现倒谱分析以提取基频 倒谱分析是一种常用的语音信号处理技术，用于提取语音信号的基频。以下是基于 Python 的倒谱分析实现方法及其代码示例。 #### 方法概述 倒谱分析的核心思想是对语音信号进行短时傅里叶变换（STFT），随后计算其对数幅值并执行逆离散傅里叶变换（IDFT）。这种方法可以有效分离出语音信号中的包络成分和细节数学特征[^1]。为了进一步提高精度，可以在预处理阶段应用滤波器组或加窗操作，并结合后处理步骤如中值滤波和平滑化[^2]。 #### 示例代码：倒谱分析提取基频 以下是一个完整的 Python 代码示例，展示如何利用倒谱分析提取语音信号的基频： ```python import numpy as np from scipy.io import wavfile from scipy.fftpack import fft, ifft import matplotlib.pyplot as plt def load_audio(file_path): """加载音频文件""" sample_rate, audio_data = wavfile.read(file_path) return sample_rate, audio_data.astype(float) def pre_emphasis(signal, alpha=0.97): """预加重处理""" emphasized_signal = np.append(signal[0], signal[1:] - alpha * signal[:-1]) return emphasized_signal def framing(signal, frame_size, overlap_ratio): """分帧处理""" step = int(frame_size * (1 - overlap_ratio)) frames = [] for i in range(0, len(signal), step): frame = signal[i:i + frame_size] if len(frame) == frame_size: frames.append(frame) return np.array(frames) def windowing(frames): """窗口函数应用""" hamming_window = np.hamming(frames.shape[1]) return frames * hamming_window[np.newaxis] def compute_cepstrum(frame, nfft): """计算倒谱""" spectrum = fft(frame, nfft) log_spectrum = np.log(np.abs(spectrum)**2 + 1e-8) # 防止对零取对数 cepstrum = ifft(log_spectrum).real return cepstrum def extract_pitch(cepstrum, sr, min_freq=50, max_freq=400): """从倒谱中提取基频""" t_min = int(sr / max_freq) t_max = int(sr / min_freq) candidate_indices = np.argmax(cepstrum[t_min:t_max]) + t_min pitch_period = candidate_indices estimated_pitch = sr / pitch_period return estimated_pitch # 加载音频数据 sample_rate, audio_data = load_audio('audio_file.wav') # 参数设置 frame_length_ms = 20 # 每帧长度为20ms overlap_ratio = 0.5 # 帧重叠率为50% nfft = 1024 # FFT点数 # 数据预处理 emphasized_signal = pre_emphasis(audio_data) frame_size = int(sample_rate * frame_length_ms / 1000) frames = framing(emphasized_signal, frame_size, overlap_ratio) windowed_frames = windowing(frames) # 计算每帧的倒谱并提取基频 pitches = [] for frame in windowed_frames: cepstrum = compute_cepstrum(frame, nfft) pitch = extract_pitch(cepstrum, sample_rate) pitches.append(pitch) # 绘制结果 plt.plot(pitches) plt.title("Extracted Pitch Contour") plt.xlabel("Frames") plt.ylabel("Pitch Frequency (Hz)") plt.show() ``` 上述代码实现了以下几个功能模块： 1. **音频加载与预处理**：通过 `wavfile` 模块读取音频文件，并对其进行预加重处理以增强高频部分。 2. **分帧与加窗**：将音频分割成固定大小的帧，并施加汉明窗减少边界效应。 3. **倒谱计算**：通过对每一帧信号执行 STFT 和 IDFT 来获得倒谱表示。 4. **基频估计**：在倒谱域中寻找对应于目标频率范围的最大值位置，从而估算基频[^3]。 #### 注意事项 - 输入音频应为单声道 WAV 文件；如果是多通道，则需先将其转换为单声道。 - 调整参数（如最小/最大频率界限）可根据具体应用场景微调。 - 对噪声较大的录音环境可能需要额外加入去噪环节提升性能[^4]。 ---