MelWeightMatrix¶

MelWeightMatrix - 17¶

版本¶

名称: MelWeightMatrix (GitHub)
域: main
起始版本: 17
函数: False
支持级别: SupportType.COMMON
形状推断: True

此版本的运算符自 版本 17 起可用。

摘要¶

生成一个 MelWeightMatrix，可用于将包含线性采样频率谱（来自 DFT 或 STFT）的张量，根据梅尔尺度上的 [lower_edge_hertz, upper_edge_hertz] 范围，重新加权为 num_mel_bins 频率信息。此函数根据以下公式定义赫兹频率的梅尔尺度

mel(f) = 2595 * log10(1 + f/700)

在返回的矩阵中，所有三角形（滤波器组）的峰值均为 1.0。

返回的 MelWeightMatrix 可用于右乘形状为 [frames, num_spectrogram_bins] 的线性尺度频谱值（例如 STFT 幅度）的频谱图 S，以生成形状为 [frames, num_mel_bins] 的“梅尔频谱图”M。

属性¶

输出数据类型 - INT（默认值为 '1'）

输出张量的数据类型。必须严格是 TensorProto 中 DataType 枚举的值之一，其值对应于 T3。默认值为 1 = FLOAT。

输入¶

num_mel_bins (异构) - T1

梅尔频谱中的频带数。
dft_length (异构) - T1

原始 DFT 的大小。原始 DFT 的大小用于推断单侧 DFT 的大小，其理解为 floor(dft_length/2) + 1，即频谱图只包含非冗余的 DFT 频段。
sample_rate (异构) - T1

用于创建频谱图的输入信号的每秒采样数。用于确定与每个频谱图频段对应的频率，这决定了它们如何映射到梅尔尺度。
lower_edge_hertz (异构) - T2

梅尔频谱中包含的频率的下限。这对应于最低三角形频带的下边缘。
upper_edge_hertz (异构) - T2

最高频带的所需上边缘。

输出¶

输出 (异构) - T3

梅尔权重矩阵。输出的形状为：[floor(dft_length/2) + 1][num_mel_bins]。

类型约束¶

T1 在 ( tensor(int32), tensor(int64) ) 中

限制为整数张量。
T2 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) )

限制为浮点张量
T3 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) )

限制为任何数值类型。