-
Notifications
You must be signed in to change notification settings - Fork 0
/
get_fp6.py
407 lines (345 loc) · 17.6 KB
/
get_fp6.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
#coding: utf-8
# estimate formant peak frequency , Q factor, and pitch frequency based on LPC analysis
# return candidates of format peak frequecny, Q factor, and Log-scale LPC spectral
# input wav must be mono, 16bit.
#
# LPC分析のよる山型のホルマント周波数と、谷型の周波数と、ピッチ周波数の推定。
# 対数LPCスペクトとホルマント周波数の候補とＱの推定値を返す。
# 入力のWAVファイルは16ビットのMONO信号を想定している。
#
# 2022年7月18日 get_fp6
# 計算する最大周波数f_maxの追加 self.FreqPoints_listに計算する周波数が入る
# 候補がmax_num_formants個に満たない場合は零が入るように修正
# 読み込んだwav dataを外部から参照できるようにself.fdata2を追加
# get_fpの出力の記述を訂正
#
import wave
import numpy as np
import scipy.signal
import matplotlib.pyplot as plt
from LPC import *
# Check version
# Python 3.6.4, 64bit on Win32 (Windows 10)
# numpy (1.14.0)
# matplotlib 2.1.1
# scipy (1.0.0)
class Class_get_fp(object):
def __init__(self,NFRAME_time=25, NSHIFT_time=10, lpcOrder=32, Delta_Freq=1, max_num_formants=5, f_min=200, f_max=6000):
self.NFRAME_time=NFRAME_time # frame length unit [ms] # 640 sr=16Khz 40mS # 400 sr=16Khz 25mS
self.NSHIFT_time=NSHIFT_time # shift length unit [ms] # 320 sr=16Khz 20mS # 160 sr=16khz 10mS
self.lpcOrder=lpcOrder
self.Delta_Freq = Delta_Freq # frequency resolution to compute frequency response
self.preemph=0.97 # pre-emphasis
self.max_num_formants =max_num_formants # maximum number of formant candidate to detect
self.f_min= f_min # minimum frequency to detect formant
self.f_max= f_max # minimum frequency to detect formant
def get_fp(self,file_name, frame_num=None , figure_show=False ):
# 入力：wave ファイル mono 16bit
#
# 出力：
# fout ホルマント周波数の候補
# fout2 谷型の周波数の候補
# spec_out2 LPC対数スペクト周波数の行列
# fout_index ホルマント周波数の候補のインデックス
# fout_index2 谷型の周波数の候補のインデックス
# pout pitch(F0)の周波数の候補
#
# もし、frame_numが指定されていた場合は、そのフレーム番号だけ計算する
# read wave file
waveFile= wave.open( file_name, 'r')
nchannles= waveFile.getnchannels()
samplewidth = waveFile.getsampwidth()
sampling_rate = waveFile.getframerate()
nframes = waveFile.getnframes()
self.df0 = self.Delta_Freq
self.dt0 = 1.0 / sampling_rate
self.sr = sampling_rate
self.NFRAME= int( self.NFRAME_time / 1000 * self.sr)
self.NSHIFT= int( self.NSHIFT_time / 1000 * self.sr)
self.window = np.hamming(self.NFRAME) # Windows is Hamming
self.FreqPoints_list= np.arange(0,self.f_max+self.Delta_Freq, self.Delta_Freq) * 2.0 * np.pi / self.sr
self.FreqPoints= len(self.FreqPoints_list)
# check input wave file condition
assert nchannles == 1, ' channel is not MONO '
assert samplewidth==2, ' sample width is not 16bit '
if frame_num is not None and frame_num >= 0:
waveFile.readframes( self.NSHIFT * frame_num ) # dummy read
nframes=self.NFRAME
buf = waveFile.readframes(nframes ) # read only frame_num portion
self.frame_num=frame_num
else:
buf = waveFile.readframes(-1) # read all at oance
self.frame_num=None
waveFile.close()
# 16bit integer to float32
data = np.frombuffer(buf, dtype='int16')
fdata = data.astype(np.float32)
self.fdata2= fdata / 32768.
count= int(((nframes - ( self.NFRAME - self.NSHIFT)) / self.NSHIFT))
# prepare output
spec_out= np.zeros([count,self.FreqPoints])
spec_out2= np.zeros([count,self.FreqPoints])
# fout, fout_index for peak as formant
fout = np.zeros([count,self.max_num_formants])
fout_index = np.ones([count,self.max_num_formants]) * -1
# fout, fout_index2 for drop-peak
fout2 = np.zeros([count,self.max_num_formants])
fout_index2 = np.ones([count,self.max_num_formants]) * -1
# pout, pout_index for pitch
pout = np.zeros(count)
pout_index = np.ones(count) * -1
self.pout_f_min_check=[]
Qout= np.zeros([count,self.max_num_formants])
Low_index= np.zeros([count,self.max_num_formants])
High_index=np.zeros([count,self.max_num_formants])
pos = 0 # position
countr=0
for loop in range(count):
## copy to avoid original over-change
frame = fdata[pos:pos + self.NFRAME].copy()
## pre-emphasis
frame -= np.hstack((frame[0], frame[:-1])) * self.preemph
## do window
windowed = self.window * frame
## get lpc coefficients
a,e=lpc(windowed, self.lpcOrder)
## get lpc spectrum
w, h = scipy.signal.freqz(np.sqrt(e), a, self.FreqPoints_list) # from 0 to f_max
lpcspec = np.abs(h)
spec_out2[loop]=lpcspec / 32768. # store to output
lpcspec[lpcspec < 1.0] = 1.0 # to avoid log(0) error
loglpcspec = 20 * np.log10(lpcspec)
spec_out[loop]=loglpcspec # store to output
## get peak candidate
f_result, i_result=self.formant_detect(loglpcspec, self.df0)
## sort into max_num_formants
if len(f_result) > self.max_num_formants:
fout[loop]=f_result[0:self.max_num_formants]
fout_index[loop]=i_result[0:self.max_num_formants]
elif len(f_result) < self.max_num_formants:
fout[loop,0:len(f_result)]=f_result[0:len(f_result)]
fout_index[loop,0:len(f_result)]=i_result[0:len(f_result)]
print ('warning: len(f_result) < self.max_num_formants at get peak candidate')
else:
fout[loop]=f_result[0:len(f_result)]
fout_index[loop]=i_result[0:len(f_result)]
## get Q factor
Q_list,_,_, Low_index0, High_index0= self.bandwidth_detect( loglpcspec, self.df0, fout_index[loop])
Qout[loop]=Q_list
Low_index[loop]= Low_index0
High_index[loop]= High_index0
## get drop-peak candidate
f_result2, i_result2=self.formant_detect(loglpcspec * -1.0, self.df0)
# remove 1st drop-peak when 1st drop-peak is less than 1st peak
if f_result2[0] < f_result[0]:
f_result2= f_result2[1:].copy()
i_result2= i_result2[1:].copy()
## sort into max_num_formants
if len(f_result2) > self.max_num_formants:
fout2[loop]=f_result2[0:self.max_num_formants]
fout_index2[loop]=i_result2[0:self.max_num_formants]
elif len(f_result2) < self.max_num_formants:
fout2[loop,0:len(f_result2)]=f_result2[0:len(f_result2)]
fout_index2[loop,0:len(f_result2)]=i_result2[0:len(f_result2)]
print ('warning: len(f_result) < self.max_num_formants at get drop-peak candidate')
else:
fout2[loop]=f_result2[0:len(f_result2)]
fout_index2[loop]=i_result2[0:len(f_result2)]
if figure_show:
self.show_Q_point(spec_out[loop], fout_index[loop], Low_index[loop], High_index[loop], fout_index2[loop], self.df0, loop)
## calcuate lpc residual error (= input source)
r_err=residual_error(a, windowed)
## autocorrelation of lpc residual error (= input source)
a_r_err=autocorr(r_err)
a_f_result, a_i_result = self.pitch_detect(a_r_err, self.dt0)
if len(a_f_result) > 0: # if candidate exist,
pout[loop]=a_f_result[0]
pout_index[loop]=a_i_result[0]
# check if pout > f_min
if pout[loop]>= self.f_min:
self.pout_f_min_check.append(loop)
## print output of candidates of [formants], frequency[Hz]
"""
if countr == 0:
print ('candidates of [formants], frequency[Hz] ')
print (fout[loop])
"""
# index count up
countr +=1
# next
pos += self.NSHIFT
return fout, fout2, spec_out2, fout_index, fout_index2, pout
def formant_detect(self,input0, df0, db_min=3):
# 対数スペクトルから
# 山型（凸）のピークポイントを見つける
#
# 入力：対数スペクトル
# 周波数単位
# （オプション）最低の周波数
# （オプション）周囲からdb_min dB以上高い場合をピークとみなす
#
# 出力：ピークのインデックス
# ピークの周波数
is_find_first= False
f_result=[]
i_result=[]
for i in range (1,len(input0)-1):
if self.f_min is not None and df0 * i <= self.f_min :
continue
if input0[i] > input0[i-1] and input0[i] > input0[i+1] :
if not is_find_first :
f_result.append( df0 * i)
i_result.append(i)
is_find_first =True
else:
f_result.append( df0 * i)
i_result.append(i)
# 周囲からdb_min dB以上高い場合をピークとみなす
Q_list,_,_,_,_ = self.bandwidth_detect(input0, df0, i_result, db_min=3)
f_result2= np.array(f_result)[np.where( np.array(Q_list) > 0.0)[0]]
i_result2= np.array(i_result)[np.where( np.array(Q_list) > 0.0)[0]]
return list(f_result2), list(i_result2) # 旧品との互換性を保つためリストに戻す
def bandwidth_detect(self,input0, df0, peak_index_list, db_min=3):
# 対数スペクトルのピークw0から
# 3dB(db_minのデフォルト値)低下した周波数を求める
#
# 入力：対数スペクトル * 高精度の求めるには 周波数分解能が高いことが求められる。
# 周波数単位
# ピークのインデックス
#
# 出力：-3dB低下した周波数w1（ピークより低い周波数の方）
# -3dB低下した周波数w2（ピークより高い周波数の方）
# Q= w0/(w2-w1) 定義できないときは零が入る
# 暫定的に w1 又は w2のどちらかが分かっているときは、Q= w0/(2*(w0-wx))を入れておく
Q_list=[]
Low_freq_list=[]
High_freq_list=[]
Low_freq_index=[]
High_freq_index=[]
for ipk in (peak_index_list):
low_index= 0
high_index= 0
f_peak= input0[int(ipk)]
f_peak_3dB= input0[int(ipk)] - db_min # 1/sqrt(2) => -3dB
# ピークより低い周波数の方を探す
for i in range (int(ipk),0,-1):
if input0[i] <= f_peak_3dB:
low_index= i
break
elif input0[i] > f_peak:
break
# ピークより高い周波数の方を探す
for i in range (int(ipk),len(input0)):
if input0[i] <= f_peak_3dB:
high_index= i
break
elif input0[i] > f_peak:
break
#Q= w0/(w2-w1)の計算 定義できないときは零が入る
if low_index > 0 and high_index > 0:
Q= 1.0 * int(ipk) / (high_index - low_index)
elif low_index > 0:
Q= 1.0 * int(ipk) / (2.0 * (int(ipk) - low_index)) # 暫定値を入れておく
elif high_index > 0:
Q= 1.0 * int(ipk) / (2.0 * ( high_index - int(ipk))) # 暫定値を入れておく
else:
Q=0.0
Q_list.append( Q )
Low_freq_list.append( df0 * low_index)
High_freq_list.append( df0 * high_index)
Low_freq_index.append( low_index)
High_freq_index.append( high_index)
#print ( Q, df0 * low_index, df0 * high_index, df0 * int(ipk))
return Q_list, Low_freq_list, High_freq_list, Low_freq_index, High_freq_index
def pitch_detect(self, input0, dt0, ratio0=0.3, f_min=100, f_max=500):
# 自己相関の
# 山と谷の両方のピークを求める
#
# 入力：lpc予測残差の自己相関
# 時間単位
# （オプション）自己エネルギー0次成分に対する比率（これ以上を対象とする）
# （オプション）最低の周波数
# （オプション）最大の周波数
#
# 出力：最大ピークのインデックス
# 最大ピークの周波数の値
#
#
is_find_first= False
f_result=[]
i_result=[]
v_result=[]
for i in range (1,len(input0)-1):
if np.abs(input0[i]) < np.abs(input0[0] * ratio0):
continue
fp= 1.0 / (dt0 * i)
if f_max is not None and fp >= f_max :
continue
if f_min is not None and fp <= f_min :
continue
if input0[i] > input0[i-1] and input0[i] > input0[i+1] :
if not is_find_first :
f_result.append( fp)
i_result.append(i)
v_result.append( input0[i])
is_find_first =True
else:
f_result.append( fp)
i_result.append(i)
v_result.append( input0[i])
elif input0[i] < input0[i-1] and input0[i] < input0[i+1] :
if not is_find_first :
f_result.append( fp)
i_result.append(i)
v_result.append( input0[i] )
is_find_first =True
else:
f_result.append( fp)
i_result.append(i)
v_result.append( input0[i])
if is_find_first: # 最大のピークを探す
a=np.argmax( np.array(v_result))
f_result2= [ f_result[np.argmax( np.array(v_result))] ]
i_result2= [ i_result[np.argmax( np.array(v_result))] ]
else: # 候補なし
f_result2=[]
i_result2=[]
return f_result2, i_result2
def show_Q_point(self,spec_out, fout_index_list, low_index_list, high_index_list, fout_index_list2, df0, loop):
# draw peak, -3dB points on frequency response
fout_index=np.array(fout_index_list, dtype=np.int)
fout_index2=np.array(fout_index_list2, dtype=np.int)
low_index=np.array(low_index_list, dtype=np.int)
high_index=np.array(high_index_list, dtype=np.int)
#
fig = plt.figure()
ax1 = fig.add_subplot(211)
if self.frame_num is None:
index0=loop
else:
index0=self.frame_num
plt.title('frame no. ' + str(index0) + ': frequency response')
plt.xlabel('Frequency [Hz]')
plt.ylabel('Amplitude [dB]')
ax1.plot(np.arange(len(spec_out)) * df0, spec_out, 'b', ms=2)
# show peak and -3dB points
ax1.plot( fout_index * df0 , spec_out[fout_index], 'ro', ms=3)
ax1.plot( low_index[ low_index > 0] * df0, spec_out[low_index[ low_index > 0]], 'yo', ms=3)
ax1.plot( high_index[ high_index > 0] * df0, spec_out[high_index[ high_index > 0]], 'yo', ms=3)
# show drop-peak
ax1.plot( fout_index2 * df0 , spec_out[fout_index2], 'co', ms=3)
plt.grid()
plt.axis('tight')
plt.show()
if __name__ == '__main__':
import argparse
parser = argparse.ArgumentParser(description='estimation formant peak frequency and Q factor')
parser.add_argument('--wav_file', '-w', default='a_1-16k.wav', help='specify a wav-file-name(mono,16bit)')
parser.add_argument('--frame', '-f', type=int, default=3, help='specify the frame number, set negative value if ignore')
args = parser.parse_args()
# instance
fp0=Class_get_fp()
# get
spec_out, fout, fout2, _, _, _ = fp0.get_fp( args.wav_file, frame_num=args.frame , figure_show=True )
print ( fout) # candidates of format peak frequecny
print ( fout2) # candidates of drop-peak