在 -1 和 1 之间缩放向量

Question

我目前正在尝试处理语音信号。我已经在 -1 和 1 之间缩放了一个向量。我已经设法做到了，但请查看我获得的向量图。我需要将该信号以 0 为中心，以获得将提供给神经网络的特征向量。略低于0。

如何在 -1 和 1 之间缩放这个向量并保持居中在 0 ？

原始信号： enter image description here

缩放信号： enter image description here

代码和归一化函数：

samplerate, data = wavfile.read('avarii.wav')
times = np.arange(len(data))/float(samplerate)
print(times)
print(len(data))
print(samplerate)
# Make the plot
# You can tweak the figsize (width, height) in inches

#unit_vector = norm(data[:,1])


samples = data[:,1].tolist()

normalized_vector = norm(samples,-1,1)


#print(norm_vect) 
plt.figure(figsize=(30, 4))

plt.plot(times,normalized_vector)
# plt.fill_between(times, data[:,0], data[:,1], color='k') 
plt.xlim(times[0], times[-1])
plt.xlabel('time (s)')
plt.ylabel('amplitude')
# You can set the format by changing the extension
# like .pdf, .svg, .eps
plt.savefig('plot.png', dpi=100)
plt.show()

def norm(vector,a,b):



    #normalized_vector = []
    #standard_deviation = stdev(vector)

    max_value = max(vector)
    min_value = min(vector)
    #average = sum(vector)/len(vector)
    print(max_value)
    print(min_value)
    print(average)
    for value in vector:
        #value = value  - average
        norm_value = a + ((value - min_value)*(b-a))/(max_value - min_value)
        normalized_vector.append(norm_value)   

    # for value in vector:
    #     normalized_vector.append((value - average)/standard_deviation)


    # for value in vector:

    #     normalized_vector.append((value - min_value) / (max_value-min_value))

    return normalized_vector

总之，我想将这些样本的值限制在 [-1,1] 之间并以 0 为中心。我该怎么做？

Answer 1

首先，您有numpy 数组。不要将它们转换为列表，然后一一计算值。使用 numpy 的强大功能。

所以，这里是您的解决方案的副本，只是带有numpy：

samples = data[:,1]
min_value, max_value = samples.min(), samples.max()
normalized_vector = -1 + (samples - min_value) * 2 / (max_value - min_value)

现在，你问的是：零消失的原因是因为正峰值大于负峰值，所以中心不在零。你应该平等地衡量正面和负面：

samples = data[:,1]
max_peak = np.absolute(samples).max()
normalized_vector = samples / max_peak

就是这样。