从FFT数据创建波形数据？

Question

您可能会注意到，我真的是python和声音处理的新手。 我（希望）使用python以及logfbank和mfcc函数从wave文件中提取了FFT数据。 （logfbank似乎提供了最有希望的数据，mfcc的输出对我来说有点奇怪）。

在我的程序中，我想更改logfbank / mfcc数据，然后从中创建wave数据（并将它们写入文件）。 我真的没有找到有关从FFT数据创建波形数据的过程的任何信息。 你们中有谁知道如何解决这个问题？ 我会很感激:)

到目前为止，这是我的代码：

from scipy.io import wavfile 
import numpy as np
from python_speech_features import mfcc, logfbank

rate, signal = wavfile.read('orig.wav')
fbank = logfbank(signal, rate, nfilt=100, nfft=1400).T
mfcc = mfcc(signal, rate, numcep=13, nfilt=26, nfft=1103).T 

#magic data processing of fbank or mfcc here

#creating wave data and writing it back to a .wav file here

Answer 1

可以使用重叠叠加方法将包含幅度和相位的适当构造的STFT频谱图转换回时域波形。 重要的是，频谱图构造必须具有constant-overlap-add属性。

要使您的修改正确地控制频谱图的幅度和相位，可能会具有挑战性。 因此，有时会丢弃相位，并独立控制幅度。 为了将其转换回波形，必须在重建（相位重建）期间估算相位信息。 这是一个有损耗的过程，通常计算量很大。 已建立的方法使用迭代算法，通常是Griffin-Lim的一种变体。 但是现在也有了使用卷积神经网络的新方法 。

使用librosa的mel频谱图或MFCC的波形

librosa版本0.7.0包含一个快速的Griffin-Lim实现以及帮助函数，用于反转MFCC的Mel频谱图。

下面是一个代码示例。 输入测试文件位于https://github.com/jonnor/machinehearing/blob/ab7fe72807e9519af0151ec4f7ebfd890f432c83/handson/spectrogram-inversion/436951__arnaud-coutancier__old-ladies-pets-and-train-02.flac

import numpy
import librosa
import soundfile

# parameters
sr = 22050
n_mels = 128
hop_length = 512
n_iter = 32
n_mfcc = None # can try n_mfcc=20

# load audio and create Mel-spectrogram
path = '436951__arnaud-coutancier__old-ladies-pets-and-train-02.flac'
y, _ = librosa.load(path, sr=sr)
S = numpy.abs(librosa.stft(y, hop_length=hop_length, n_fft=hop_length*2))
mel_spec = librosa.feature.melspectrogram(S=S, sr=sr, n_mels=n_mels, hop_length=hop_length)

# optional, compute MFCCs in addition
if n_mfcc is not None:
    mfcc = librosa.feature.mfcc(S=librosa.power_to_db(S), sr=sr, n_mfcc=n_mfcc)
    mel_spec = librosa.feature.inverse.mfcc_to_mel(mfcc, n_mels=n_mels)

# Invert mel-spectrogram
S_inv = librosa.feature.inverse.mel_to_stft(mel_spec, sr=sr, n_fft=hop_length*4)
y_inv = librosa.griffinlim(S_inv, n_iter=n_iter,
                            hop_length=hop_length)

soundfile.write('orig.wav', y, samplerate=sr)
soundfile.write('inv.wav', y_inv, samplerate=sr)

结果

重建的波形将有一些伪像。

上面的示例产生了很多重复的噪音，超出了我的预期。 使用Audacity中的标准降噪算法可以将其降低很多。