将梅尔频谱图归一化为单位峰值幅度？

Question

我是python和librosa的新手。我正在尝试将这种方法用于语音识别器：acoustic front end

我的代码：

import librosa
import librosa.display
import numpy as np

y, sr = librosa.load('test.wav', sr = None)
normalizedy = librosa.util.normalize(y)

stft = librosa.core.stft(normalizedy, n_fft = 256, hop_length=16)
mel = librosa.feature.melspectrogram(S=stft, n_mels=32)
melnormalized = librosa.util.normalize(mel)
mellog = np.log(melnormalized) - np.log(10**-5)

问题是，当我将librosa.util.normalize应用于变量mel时，我期望值在1到-1之间，但不是。我想念什么？

Answer 1

如果您希望对输出进行对数缩放并将其标准化为-1和-1之间，则应先对数缩放，然后再进行标准化：

import librosa
import librosa.display
import numpy as np

y, sr = librosa.load('test.wav', sr = None)
normalizedy = librosa.util.normalize(y)

stft = librosa.core.stft(normalizedy, n_fft = 256, hop_length=16)
mel = librosa.feature.melspectrogram(S=stft, n_mels=32)
mellog = np.log(mel + 1e-9)
melnormalized = librosa.util.normalize(mellog)
# use melnormalized