python2から３への書き換え

Question

前提・実現したいこと

python2のコードを３に書き換えたい

pythonで音声認識をしたいです。
そこでMFCCのサンプルコードを見つけたのですが、
python2のバージョンだったのでpython3に書き換えたいです

発生している問題・エラーメッセージ

Traceback (most recent call last):
  File "mfcc3.py", line 124, in <module>
    tmp = get_feature(wavfile,nfft,nceps)
  File "mfcc3.py", line 117, in get_feature
    ceps = mfcc(wavdata, nfft, fs, nceps)
  File "mfcc3.py", line 76, in mfcc
    signal = preEmphasis(signal, p)
  File "mfcc3.py", line 67, in preEmphasis
    return scipy.signal.lfilter([1.0, -p], 1, signal)
  File "/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/scipy/signal/signaltools.py", line 1337, in lfilter
    out_full = np.apply_along_axis(lambda y: np.convolve(b, y), axis, x)
  File "/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numpy/lib/shape_base.py", line 357, in apply_along_axis
    res = asanyarray(func1d(inarr_view[ind0], *args, **kwargs))
  File "/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/scipy/signal/signaltools.py", line 1337, in <lambda>
    out_full = np.apply_along_axis(lambda y: np.convolve(b, y), axis, x)
  File "/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numpy/core/numeric.py", line 1043, in convolve
    raise ValueError('v cannot be empty')
ValueError: v cannot be empty

該当のソースコード

#coding:utf-8
import wave
import numpy as np
import scipy.signal
import scipy.fftpack
import scipy.fftpack.realtransforms




def wavread(filename):
    wf = wave.open(filename, "r")
    fs = wf.getframerate()
    x = wf.readframes(wf.getnframes())
    x = np.frombuffer(x, dtype="int16") // 32768.0  # (-1, 1)に正規化
    wf.close()
    return x, float(fs)

def hz2mel(f):
    """Hzをmelに変換"""
    return 1127.01048 * np.log(f // 700.0 + 1.0)

def mel2hz(m):
    """melをhzに変換"""
    return 700.0 * (np.exp(m // 1127.01048) - 1.0)

def melFilterBank(fs, nfft, numChannels):
    """メルフィルタバンクを作成"""
    # ナイキスト周波数（Hz）
    fmax = fs // 2
    # ナイキスト周波数（mel）
    melmax = hz2mel(fmax)
    # 周波数インデックスの最大数
    nmax = nfft // 2
    # 周波数解像度（周波数インデックス1あたりのHz幅）
    df = fs // nfft
    # メル尺度における各フィルタの中心周波数を求める
    dmel = melmax // (numChannels + 1)
    melcenters = np.arange(1, numChannels + 1) * dmel
    # 各フィルタの中心周波数をHzに変換
    fcenters = mel2hz(melcenters)
    # 各フィルタの中心周波数を周波数インデックスに変換
    indexcenter = np.round(fcenters // df)
    # 各フィルタの開始位置のインデックス
    indexstart = np.hstack(([0], indexcenter[0:numChannels - 1]))
    # 各フィルタの終了位置のインデックス
    indexstop = np.hstack((indexcenter[1:numChannels], [nmax]))

    filterbank = np.zeros((numChannels, nmax))
    for c in np.arange(0, numChannels):
        # 三角フィルタの左の直線の傾きから点を求める
        increment= 1.0 // (indexcenter[c] - indexstart[c])
        for i in np.arange(indexstart[c], indexcenter[c]):
            i=int(i)
            filterbank[c, i] = (i - indexstart[c]) * increment
        # 三角フィルタの右の直線の傾きから点を求める
        decrement = 1.0 // (indexstop[c] - indexcenter[c])
        for i in np.arange(indexcenter[c], indexstop[c]):
            i=int(i)
            filterbank[c, i] = 1.0 - ((i - indexcenter[c]) * decrement)

    return filterbank, fcenters

def preEmphasis(signal, p):
    """プリエンファシスフィルタ"""
    # 係数 (1.0, -p) のFIRフィルタを作成
    return scipy.signal.lfilter([1.0, -p], 1, signal)

def mfcc(signal, nfft, fs, nceps):
    """信号のMFCCパラメータを求める
    signal: 音声信号
    nfft  : FFTのサンプル数
    nceps : MFCCの次元"""
    # プリエンファシスフィルタをかける
    p = 0.97         # プリエンファシス係数
    signal = preEmphasis(signal, p)

    # ハミング窓をかける
    hammingWindow = np.hamming(len(signal))
    signal = signal * hammingWindow

    # 振幅スペクトルを求める
    spec = np.abs(np.fft.fft(signal, nfft))[:nfft//2]
    fscale = np.fft.fftfreq(nfft, d = 1.0 // fs)[:nfft//2]

    # メルフィルタバンクを作成
    numChannels = 20  # メルフィルタバンクのチャネル数
    df = fs // nfft   # 周波数解像度（周波数インデックス1あたりのHz幅）
    filterbank, fcenters = melFilterBank(fs, nfft, numChannels)


    # 定義通りに書いた場合
    # 振幅スペクトルに対してフィルタバンクの各フィルタをかけ、振幅の和の対数をとる
    mspec = np.log10(np.dot(spec, filterbank.T))


    # 離散コサイン変換
    ceps = scipy.fftpack.realtransforms.dct(mspec, type=2, norm="ortho", axis=-1)

    # 低次成分からnceps個の係数を返す
    return ceps[:nceps]

#wavファイルと次元数を入れてMFCCを抽出
#   nfft:FFTのサンプル数　1024, 2048, 4096
#   nceps:MFCCの次元数　大体12次元が多い
#   ※ fs * cuttime >= nfft/2 を満たす値を与えなければいけない
def get_feature(wavfile,nfft,nceps):
    # 音声をロード
    wav, fs = wavread(wavfile)
    t = np.arange(0.0, len(wav) // fs, 1/fs)

    # 音声波形の中心部分を切り出す
    center = len(wav) // 2  # 中心のサンプル番号
    cuttime = 0.8         # 切り出す長さ [s]
    wavdata = wav[int(center - cuttime//2*fs) : int(center + cuttime//2*fs)]

    ceps = mfcc(wavdata, nfft, fs, nceps)
    return ceps.tolist()

if __name__ == "__main__":
    wavfile="warai.wav"
    nfft=2048
    nceps=12
    tmp = get_feature(wavfile,nfft,nceps)
    print(tmp)

試したこと

一度2to3を実行した後に、余算演算の変更 '/'（python2） → '//'(python3)を行いました。
のちに上記のエラーがでたのですが、理解をすることができません。

どのようにエラーを処理していけば解決できるでしょうか？

補足情報（FW/ツールのバージョンなど）

python 3.7.0

Comments

[y_waiwai]

で、しつもんはなんでしょうか

[pote]

すみません明確な質問を記載していませんでした。雑になってしまうのですが質問を追加させていただきました。

Answer 1

どのようにエラーを処理していけば解決できるでしょうか？

つぎのように処理してはいかがでしょうか。

Tracebackの最後の方のからnp.convolveがエラーを吐いていることが分かります。

  File "/usr/local/lib/python3.6/site-packages/scipy/signal/signaltools.py", line 1337, in <lambda>
    out_full = np.apply_along_axis(lambda y: np.convolve(b, y), axis, x)
  File "/usr/local/lib/python3.6/site-packages/numpy/core/numeric.py", line 1043, in convolve
    raise ValueError('v cannot be empty')

そこでpythonのhelp()を読むと、ここでメッセージ中のvの意味が分かります。

>>> import numpy as np
>>> help(np.convolve)
convolve(a, v, mode='full')
    Returns the discrete, linear convolution of two one-dimensional sequences.

    The convolution operator is often seen in signal processing, where it
    models the effect of a linear time-invariant system on a signal [1]_.  In
    probability theory, the sum of two independent random variables is
    distributed according to the convolution of their individual
    distributions.

    If `v` is longer than `a`, the arrays are swapped before computation.

    Parameters
    ----------
    a : (N,) array_like
        First one-dimensional input array.
    v : (M,) array_like
        Second one-dimensional input array.

そこで今度はもう一つ上のメッセージからnp.convolve(b, y)のyの意味を調べるためscipy.signal.lfilterを調べます。

>>> import scipy.signal
>>> help(scipy.signal.lfilter)

最後まで追いませんが解決のヒントになると幸いです。

なお、エラーメッセージValueError: v cannot be emptyで素直にググってこんなのもヒントになると思います。