包含将语音信号分解为其调制分量（即AM-FM分解）所需工具的包。
AMFM_decomp的Python项目详细描述
am fm_decompy
==
version 1.0.8.1
此python包提供了将语音信号的浊音部分分解为其调制分量（即am-fm分解）所需的工具。由于在该方法中，信号被建模为振幅和频率调制分量之和，因此使用了这种
表示法。
这在时频分析中受到了海森堡-加博不等式的限制，本文实现的算法有qhm（准谐波模型）及其改进算法、aqhm（自适应准谐波模型）和eaqhm（扩展自适应准谐波模型）。它们的公式可以在参考文献[2-4]中找到。
对于高质量的电话语音和
电话语音来说都是非常健壮的。
am-fm分解算法的研究是我硕士论文的主题。
最初的yaapt程序是由作者免费提供的，而我自己实现的qhm算法也是。在MATLAB中。我现在将它们移植到python，因为：
*python语言更易于共享、阅读和理解，使其成为一种更好的代码分发方式；
*比matlab（具有不同的数据结构、脚本选项等）更有资源，这对我很有用。在未来的研究中，
*其数值和科学包（numpy
和scipy）的计算性能相当于Matlab；
*Python是免费使用的，而Matlab是专有软件；
evaluations and future expansions关于算法的计算性能，我优化了yaapt代码，所以我的pyhton版本现在运行的速度是原来的matlab版本的两倍。qhm算法的运行速度仍然和matlab中的算法一样快。
这是因为这两个版本的主要瓶颈是矩阵点和
最小二乘运算。由于numpy和matlab已经被优化为使用内部fortran函数执行
这些任务，因此就我所调查的情况来看，没有办法使用cython来加速它们。不过，最近我读到了关于numba的文章，它可以大大提高amfm反编译性能。因此，我可以使用它进行一些测试。
[1]将yaapt与著名的音高跟踪器如yin和rapt进行了比较，并给出了最好的结果。事实上，到目前为止，我一直在使用它，
该算法被证明确实非常健壮。必须强调的是，我只是翻译了这段代码，所以我对它的理论公式只有一般的了解。对于与此相关的深层问题，我建议与原始作者联系。
在我的
python代码中，我实现了一个解决这个问题的方法，但它仍然是一个
次优的解决方案。
实际上，我在硕士论文中专门用了一章来深入研究这个问题，并提出了一个更好的解决方案。不幸的是，由于愚蠢的官僚主义问题，我不知道我的作品是否会被辩护，何时出版（简而言之，截止日期已经过了，因为我和我的导师需要更多的时间来修正和改进论文。然后我们要求一个
项目，但讲师委员会拒绝了。所以，基本上，我被一篇完成的工作论文开除了。不管怎样，我仍在努力解决我现在的工作找到一个解决方案，
我将把自己的贡献添加到这个包中。
重要事项-关于版本1.0.7和更高版本的注意事项
==
已更改：
*`frame_length`参数从25 ms更改为35 ms；
*`nccf_thresh1`参数从0.25更改为0.3；
此外，还添加了一个名为`frame_length t`的新参数（请在末尾额外的"t"处支付
）。为避免混淆，pyaapt.py中使用了另一个（和首选）别名
表示"frame戋lengtht"，称为"tda戋frame戋length"。然而，
两个输入（"frame_lengtht"和"tda_frame_length"）都被接受。
由于这些修改，如果您运行的是amfm_decompy 1.0.6或更早版本的带有默认设置的
，您可能会得到与运行amfm_decompy 1.0.7及更高版本所得结果稍有不同的结果。使用
新的默认参数。
因此，如果确实需要从以前的
版本获得完全相同的结果，则必须向yaapt函数提供旧的参数值。对于
示例，1.0.6或更早版本的代码，如
`pitch=pyaapt.yaapt（signal）`
，应在1.0.7和更高版本中重写为
`pitch=pyaapt.yaapt（signal，**{'frame_length'：25.0，'nccf戋thresh1'：0.25，"tda_frame_length"：25.0}`
安装
==
pypi页面https://pypi.python.org/pypi/amfm_decompy/1.0.8推荐用于快速安装。但您也可以复制这里的所有目录，然后在命令行中运行
``python setup.py install```
。之后，键入
`amfm_test.py`
来运行测试脚本，检查一切是否正常（计算
结果可能需要几分钟）。这个脚本是一个关于如何使用这个包的例子。
因此，如果出现问题，
可能是因为python没有找到文件路径。
如何使用
==
查看文档文件夹中的amfm_decompy pdf文档或http://bjbschmitt.github.io/amfm_decompy上的
联机文档。amfm_decompy
文件夹包含sample.wav文件，用于说明包的代码
示例。
credits and publications
=====
Matlab Yaapt原始程序是由Hongbing Hu和Stephen
a.Zahorian从语音通信中编写的。纽约宾汉顿州立大学实验室。
"一种用于鲁棒
基频跟踪的谱/时间方法，"J.Acosut。SOC。是。2008年6月，第123（6）页。
qhm算法及其升级已在以下出版物中制定和呈现：
[2]y.pantazis，creta大学博士论文，2010。
[3]y.pantazis，o.rosec和y.stylianou，ieee音频交易，语音和语言处理，第19卷，第2期，2011年。
[4]G.P.Kafentzis，Y.Pantazis，O.Rosec和Y.Stylianou，在IEEE国际声学会议上，
语音和信号处理（ICASSP）2012年。
请联系我
bernardo.jb.schmitt@gmail.com。
==
version 1.0.8.1
此python包提供了将语音信号的浊音部分分解为其调制分量（即am-fm分解）所需的工具。由于在该方法中，信号被建模为振幅和频率调制分量之和，因此使用了这种
表示法。
这在时频分析中受到了海森堡-加博不等式的限制，本文实现的算法有qhm（准谐波模型）及其改进算法、aqhm（自适应准谐波模型）和eaqhm（扩展自适应准谐波模型）。它们的公式可以在参考文献[2-4]中找到。
对于高质量的电话语音和
电话语音来说都是非常健壮的。
am-fm分解算法的研究是我硕士论文的主题。
最初的yaapt程序是由作者免费提供的，而我自己实现的qhm算法也是。在MATLAB中。我现在将它们移植到python，因为：
*python语言更易于共享、阅读和理解，使其成为一种更好的代码分发方式；
*比matlab（具有不同的数据结构、脚本选项等）更有资源，这对我很有用。在未来的研究中，
*其数值和科学包（numpy
和scipy）的计算性能相当于Matlab；
*Python是免费使用的，而Matlab是专有软件；
evaluations and future expansions关于算法的计算性能，我优化了yaapt代码，所以我的pyhton版本现在运行的速度是原来的matlab版本的两倍。qhm算法的运行速度仍然和matlab中的算法一样快。
这是因为这两个版本的主要瓶颈是矩阵点和
最小二乘运算。由于numpy和matlab已经被优化为使用内部fortran函数执行
这些任务，因此就我所调查的情况来看，没有办法使用cython来加速它们。不过，最近我读到了关于numba的文章，它可以大大提高amfm反编译性能。因此，我可以使用它进行一些测试。
[1]将yaapt与著名的音高跟踪器如yin和rapt进行了比较，并给出了最好的结果。事实上，到目前为止，我一直在使用它，
该算法被证明确实非常健壮。必须强调的是，我只是翻译了这段代码，所以我对它的理论公式只有一般的了解。对于与此相关的深层问题，我建议与原始作者联系。
在我的
python代码中，我实现了一个解决这个问题的方法，但它仍然是一个
次优的解决方案。
实际上，我在硕士论文中专门用了一章来深入研究这个问题，并提出了一个更好的解决方案。不幸的是，由于愚蠢的官僚主义问题，我不知道我的作品是否会被辩护，何时出版（简而言之，截止日期已经过了，因为我和我的导师需要更多的时间来修正和改进论文。然后我们要求一个
项目，但讲师委员会拒绝了。所以，基本上，我被一篇完成的工作论文开除了。不管怎样，我仍在努力解决我现在的工作找到一个解决方案，
我将把自己的贡献添加到这个包中。
重要事项-关于版本1.0.7和更高版本的注意事项
==
已更改：
*`frame_length`参数从25 ms更改为35 ms；
*`nccf_thresh1`参数从0.25更改为0.3；
此外，还添加了一个名为`frame_length t`的新参数（请在末尾额外的"t"处支付
）。为避免混淆，pyaapt.py中使用了另一个（和首选）别名
表示"frame戋lengtht"，称为"tda戋frame戋length"。然而，
两个输入（"frame_lengtht"和"tda_frame_length"）都被接受。
由于这些修改，如果您运行的是amfm_decompy 1.0.6或更早版本的带有默认设置的
，您可能会得到与运行amfm_decompy 1.0.7及更高版本所得结果稍有不同的结果。使用
新的默认参数。
因此，如果确实需要从以前的
版本获得完全相同的结果，则必须向yaapt函数提供旧的参数值。对于
示例，1.0.6或更早版本的代码，如
`pitch=pyaapt.yaapt（signal）`
，应在1.0.7和更高版本中重写为
`pitch=pyaapt.yaapt（signal，**{'frame_length'：25.0，'nccf戋thresh1'：0.25，"tda_frame_length"：25.0}`
安装
==
pypi页面https://pypi.python.org/pypi/amfm_decompy/1.0.8推荐用于快速安装。但您也可以复制这里的所有目录，然后在命令行中运行
``python setup.py install```
。之后，键入
`amfm_test.py`
来运行测试脚本，检查一切是否正常（计算
结果可能需要几分钟）。这个脚本是一个关于如何使用这个包的例子。
因此，如果出现问题，
可能是因为python没有找到文件路径。
如何使用
==
查看文档文件夹中的amfm_decompy pdf文档或http://bjbschmitt.github.io/amfm_decompy上的
联机文档。amfm_decompy
文件夹包含sample.wav文件，用于说明包的代码
示例。
credits and publications
=====
Matlab Yaapt原始程序是由Hongbing Hu和Stephen
a.Zahorian从语音通信中编写的。纽约宾汉顿州立大学实验室。
"一种用于鲁棒
基频跟踪的谱/时间方法，"J.Acosut。SOC。是。2008年6月，第123（6）页。
qhm算法及其升级已在以下出版物中制定和呈现：
[2]y.pantazis，creta大学博士论文，2010。
[3]y.pantazis，o.rosec和y.stylianou，ieee音频交易，语音和语言处理，第19卷，第2期，2011年。
[4]G.P.Kafentzis，Y.Pantazis，O.Rosec和Y.Stylianou，在IEEE国际声学会议上，
语音和信号处理（ICASSP）2012年。
请联系我
bernardo.jb.schmitt@gmail.com。
欢迎加入QQ群-->： 979659372
