-
Notifications
You must be signed in to change notification settings - Fork 2
/
dataset.py
182 lines (137 loc) · 7.47 KB
/
dataset.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
import librosa
import numpy as np
import math
import multiprocessing
import os
import tensorflow as tf
from sklearn.preprocessing import StandardScaler
from ozellik_cikarici import OzellikCikarici
from util import girdi_ozelliklerini_hazirla, sesi_oku, tf_ozellik_getir
np.random.seed(999)
tf.random.set_seed(999)
class Dataset:
def __init__(self, temiz_dosyaadlari, gurultulu_dosyaadlari, **ayar):
self.temiz_dosyaadlari = temiz_dosyaadlari
self.gurultulu_dosyaadlari = gurultulu_dosyaadlari
self.ornekleme_orani = ayar['sr']
self.overlap = ayar['overlap']
self.window_length = ayar['pencereBuyuklugu']
self.ses_maks_uzunluk = ayar['ses_maks_uzunluk']
def _ornek_gurutlu_dosyaadi(self):
return np.random.choice(self.gurultulu_dosyaadlari)
def _sessiz_frameleri_sil(self, ses):
kirpilmis_ses = []
indeksler = librosa.effects.split(
ses, hop_length=self.overlap, top_db=20)
for index in indeksler:
kirpilmis_ses.extend(ses[index[0]: index[1]])
return np.array(kirpilmis_ses)
def _faz_farki_olceklendirme(self, temiz_spektral_buyukluk, temiz_faz, gurultulu_faz):
assert temiz_faz.shape == gurultulu_faz.shape, "Shape eşleşmeli."
return temiz_spektral_buyukluk * np.cos(temiz_faz - gurultulu_faz)
def gurultulu_sesi_getir(self, *, dosyaadi):
return sesi_oku(dosyaadi, self.ornekleme_orani)
def _sesi_rastgele_kirp(self, ses, sure):
ses_sure_saniyeler = librosa.core.get_duration(
ses, self.ornekleme_orani)
# sure: kırpılan sesin saniye cinsinden uzunluğu
if sure >= ses_sure_saniyeler:
return ses
ses_sure_ms = math.floor(
ses_sure_saniyeler * self.ornekleme_orani)
sure_ms = math.floor(sure * self.ornekleme_orani)
idx = np.random.randint(0, ses_sure_ms - sure_ms)
return ses[idx: idx + sure_ms]
def _temiz_sese_gurultu_ekle(self, temiz_ses, gurultu_sinyali):
if len(temiz_ses) >= len(gurultu_sinyali):
# print("Gürültülü sinyal temiz ses girişinden daha küçük. Gürültü çoğaltılıyor.")
while len(temiz_ses) >= len(gurultu_sinyali):
gurultu_sinyali = np.append(gurultu_sinyali, gurultu_sinyali)
# Gürültü parçası gürültü dosyasındaki rastgele bir konumdan elde ediliyor
ind = np.random.randint(0, gurultu_sinyali.size - temiz_ses.size)
gurultuParcasi = gurultu_sinyali[ind: ind + temiz_ses.size]
konusma_kuvveti = np.sum(temiz_ses ** 2)
gurultu_kuvveti = np.sum(gurultuParcasi ** 2)
gurultuluses = temiz_ses + \
np.sqrt(konusma_kuvveti / gurultu_kuvveti) * gurultuParcasi
return gurultuluses
def paralel_ses_isleme(self, temiz_dosyaadi):
temiz_ses, _ = sesi_oku(temiz_dosyaadi, self.ornekleme_orani)
# temiz sesten sessiz framleri yok et
temiz_ses = self._sessiz_frameleri_sil(temiz_ses)
gurultu_dosyaadi = self._ornek_gurutlu_dosyaadi()
# gurultulu dosyaadını oku
gurultulu_ses, sr = sesi_oku(gurultu_dosyaadi, self.ornekleme_orani)
# gurultulu sesten sessiz framleri yok et
gurultulu_ses = self._sessiz_frameleri_sil(gurultulu_ses)
# sesin rastgele sabit boyutlu parçacıklarını al
temiz_ses = self._sesi_rastgele_kirp(
temiz_ses, sure=self.ses_maks_uzunluk)
# temiz sese gurultu ekle
gurultuGirdisi = self._temiz_sese_gurultu_ekle(
temiz_ses, gurultulu_ses)
# extract stft features from noisy ses
gurultuGirdisiOzelligi = OzellikCikarici(gurultuGirdisi, pencereBuyuklugu=self.window_length, overlap=self.overlap,
ornekleme_orani=self.ornekleme_orani)
gurultulu_spektogram = gurultuGirdisiOzelligi.stft_spektogrami_getir()
# Veya faz açısını getir (radyan cinsinden)
# noisy_stft_magnitude, noisy_stft_phase = librosa.magphase(noisy_stft_features)
gurultulu_faz = np.angle(gurultulu_spektogram)
# spektralın büyüklüğünü getir
gurultu_buyuklugu = np.abs(gurultulu_spektogram)
# temiz sesden stft özelliklerini getir
temiz_ses_ozelligi = OzellikCikarici(temiz_ses, pencereBuyuklugu=self.window_length, overlap=self.overlap,
ornekleme_orani=self.ornekleme_orani)
temiz_spektogram = temiz_ses_ozelligi.stft_spektogrami_getir()
# temiz_spektogram = cleansesFE.get_mel_spectrogram()
# temiz faz açısını getir
temiz_faz = np.angle(temiz_spektogram)
# temiz spektralın büyüklüğünü getir
temiz_buyukluk = np.abs(temiz_spektogram)
# temiz_buyukluk = 2 * temiz_buyukluk / np.sum(scipy.signal.hamming(self.window_length, sym=False))
temiz_buyukluk = self._faz_farki_olceklendirme(
temiz_buyukluk, temiz_faz, gurultulu_faz)
scaler = StandardScaler(copy=False, with_mean=True, with_std=True)
gurultu_buyuklugu = scaler.fit_transform(gurultu_buyuklugu)
temiz_buyukluk = scaler.transform(temiz_buyukluk)
return gurultu_buyuklugu, temiz_buyukluk, gurultulu_faz
def tf_kaydi_olustur(self, *, onek, altset_boyutu, paralel=True):
sayac = 0
p = multiprocessing.Pool(multiprocessing.cpu_count())
for i in range(0, len(self.temiz_dosyaadlari), altset_boyutu):
tfrecord_dosyaadi = 'D:\\PROJE\\records\\' + onek + \
'_' + str(sayac) + '.tfrecords'
if os.path.isfile(tfrecord_dosyaadi):
print(f"Geçiliyor {tfrecord_dosyaadi}")
sayac += 1
continue
yazici = tf.io.TFRecordWriter(tfrecord_dosyaadi)
temiz_dosyaadlari_sublist = self.temiz_dosyaadlari[i:i + altset_boyutu]
print(f"Dosyalar işleniyor: {i}'den' {i + altset_boyutu}'ye'")
if paralel:
out = p.map(self.paralel_ses_isleme,
temiz_dosyaadlari_sublist)
else:
out = [self.paralel_ses_isleme(
dosyaadi) for dosyaadi in temiz_dosyaadlari_sublist]
for o in out:
gurultu_stft_buyukluk = o[0]
temiz_stft_buyukluk = o[1]
gurultu_stft_faz = o[2]
gurultu_stft_byklk_ozellikleri = girdi_ozelliklerini_hazirla(
gurultu_stft_buyukluk, parcaSayisi=8, ozellikSayisi=129)
gurultu_stft_byklk_ozellikleri = np.transpose(
gurultu_stft_byklk_ozellikleri, (2, 0, 1))
temiz_stft_buyukluk = np.transpose(
temiz_stft_buyukluk, (1, 0))
gurultu_stft_faz = np.transpose(gurultu_stft_faz, (1, 0))
gurultu_stft_byklk_ozellikleri = np.expand_dims(
gurultu_stft_byklk_ozellikleri, axis=3)
temiz_stft_buyukluk = np.expand_dims(
temiz_stft_buyukluk, axis=2)
for x_, y_, p_ in zip(gurultu_stft_byklk_ozellikleri, temiz_stft_buyukluk, gurultu_stft_faz):
y_ = np.expand_dims(y_, 2)
ornek = tf_ozellik_getir(x_, y_, p_)
yazici.write(ornek.SerializeToString())
sayac += 1
yazici.close()