編集履歴

質問編集履歴

コード表示に変更

2017/09/28 02:26

投稿

atena

スコア20

test CHANGED Viewed

File without changes

test CHANGED Viewed

@@ -34,6 +34,10 @@
 ###該当のソースコード
+```ここに言語を入力
+#coding:utf-8
 import wave
 import numpy as np
@@ -84,41 +88,41 @@
     """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]))
@@ -128,15 +132,15 @@
     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]):
-            filterbank[c, i] = (i - indexstart[c])*increment
+            filterbank[c, i] = int((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])
@@ -154,7 +158,7 @@
     """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)
@@ -170,7 +174,7 @@
     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
@@ -178,7 +182,7 @@
+    # ハミング窓をかける
     hammingWindow = np.hamming(len(signal))
@@ -186,53 +190,97 @@
+    # 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]
+#    plot(fscale, spec)
+#    xlabel("frequency [Hz]")
+#    ylabel("amplitude spectrum")
+#    savefig("spectrum.png")
+#    show()
+    # メルフィルタバンクを作成
-    numChannels = 20
+    numChannels = 20  # メルフィルタバンクのチャネル数
-    df = fs / nfft
+    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)
+#    for c in np.arange(0, numChannels):
+#        plot(np.arange(0, nfft / 2) * df, filterbank[c])
+#    savefig("melfilterbank.png")
+#    show()
+    # 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 = []
+#    for c in np.arange(0, numChannels):
+#        mspec.append(np.log10(sum(spec * filterbank[c])))
+#    mspec = np.array(mspec)
+    # 行列で書くと簡単になる！
+    # 振幅スペクトルにメルフィルタバンクを適用
     mspec = np.log10(np.dot(spec, filterbank.T))
+    # 元の振幅スペクトルとフィルタバンクをかけて圧縮したスペクトルを表示
+#    subplot(211)
+#    plot(fscale, np.log10(spec))
+#    xlabel("frequency")
+#    xlim(0, 25000)
+#
+#    subplot(212)
+#    plot(fcenters, mspec, "o-")
+#    xlabel("frequency")
+#    xlim(0, 25000)
+#    savefig("result_melfilter.png")
+#    show()
+    # 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]
@@ -240,7 +288,7 @@
 if __name__ == "__main__":
+    # 音声をロード
     wav, fs = wavread("a_1.wav")
@@ -248,7 +296,7 @@
+    # 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
@@ -266,7 +314,7 @@
 print "mfcc:", ceps
+```
 ###試したこと

エラー文修正

2017/09/28 02:26

投稿

atena

スコア20

test CHANGED Viewed

File without changes

test CHANGED Viewed

@@ -14,7 +14,21 @@
 エラーメッセージ
+Traceback (most recent call last):
+  File "MFCC.py", line 138, in <module>
+    ceps = mfcc(wavdata, nfft, fs, nceps)
+  File "MFCC.py", line 90, in mfcc
+    filterbank, fcenters = melFilterBank(fs, nfft, numChannels)
+  File "MFCC.py", line 52, in melFilterBank
+    filterbank[c, i] = int((i - indexstart[c]))*int(increment)
-IndeEerror: only integers, slices (':'), ellipsis ('...'), numpy.newaxis ('None') and integer or boolean arrays are valid indices
+IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices
@@ -258,6 +272,8 @@
 52行目をint()でキャストしてみましたができませんでした．
+filterbank[c, i] = int((i - indexstart[c])*increment)
 ###補足情報(言語/FW/ツール等のバージョンなど)
@@ -266,4 +282,4 @@
 python27
-コード詳細：http://aidiary.hatenablog.com/entry/20120225/1330179868
+ソース元：http://aidiary.hatenablog.com/entry/20120225/1330179868

詳細設定

2017/09/28 01:58

投稿

atena

スコア20

test CHANGED Viewed

File without changes

test CHANGED Viewed

@@ -265,3 +265,5 @@
 windows7 32bit
 python27
+コード詳細：http://aidiary.hatenablog.com/entry/20120225/1330179868

コードの修正

2017/09/28 01:53

投稿

atena

スコア20

test CHANGED Viewed

File without changes

test CHANGED Viewed

@@ -20,8 +20,6 @@
 ###該当のソースコード
-#coding:utf-8
 import wave
 import numpy as np
@@ -72,41 +70,41 @@
     """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]))
@@ -116,7 +114,7 @@
     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])
@@ -124,7 +122,7 @@
             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])
@@ -142,7 +140,7 @@
     """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)
@@ -158,7 +156,7 @@
     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
@@ -166,7 +164,7 @@
-    # ハミング窓をかける
     hammingWindow = np.hamming(len(signal))
@@ -174,97 +172,53 @@
-    # 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]
-#    plot(fscale, spec)
-#    xlabel("frequency [Hz]")
-#    ylabel("amplitude spectrum")
-#    savefig("spectrum.png")
-#    show()
-    # 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
+    numChannels = 20
-    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）
+    df = fs / nfft
     filterbank, fcenters = melFilterBank(fs, nfft, numChannels)
-#    for c in np.arange(0, numChannels):
-#        plot(np.arange(0, nfft / 2) * df, filterbank[c])
-#    savefig("melfilterbank.png")
-#    show()
-    # 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 = []
-#    for c in np.arange(0, numChannels):
-#        mspec.append(np.log10(sum(spec * filterbank[c])))
-#    mspec = np.array(mspec)
-    # 行列で書くと簡単になる！
-    # 振幅スペクトルにメルフィルタバンクを適用
     mspec = np.log10(np.dot(spec, filterbank.T))
-    # 元の振幅スペクトルとフィルタバンクをかけて圧縮したスペクトルを表示
-#    subplot(211)
-#    plot(fscale, np.log10(spec))
-#    xlabel("frequency")
-#    xlim(0, 25000)
-#
-#    subplot(212)
-#    plot(fcenters, mspec, "o-")
-#    xlabel("frequency")
-#    xlim(0, 25000)
-#    savefig("result_melfilter.png")
-#    show()
-    # 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]
@@ -272,7 +226,7 @@
 if __name__ == "__main__":
-    # 音声をロード
     wav, fs = wavread("a_1.wav")
@@ -280,7 +234,7 @@
-    # 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