Обработка аудиофайлов для вычленения признаков

## Подгружаем все нужные либы
import os
import sys
import fnmatch
import scipy.io.wavfile as wav
import numpy as np
import numpy
import matplotlib.pyplot as plt
import numpy.fft as yfft
import numpy.fft as nfft
import h5py
import numpy as np
 
 
##Загружаем аудиофайлы
root = 'H:\\...'
pattern = '*.wav'
 
mgd_list = []
print(mgd_list)
 
for folder, subdirs, files in os.walk(root):
#  print (folder)
  for filename in fnmatch.filter(files, pattern):
    fullname = os.path.join(folder, filename)
    name, pat = os.path.splitext(os.path.basename(fullname))
    #print(name, pat) 
##Формируем признаки
    #Формируем окна
    #загружаем ряд для анализа и выыбираем первые 3 секунды
    rate, sig = wav.read(fullname)
    signal = sig[0:int(3.5 * rate)]
    #print(signal)
#усиливаем высокие частоты
    pre_emphasis = 0.97
    emphasized_signal = numpy.append(signal[0], signal[1:] - pre_emphasis * signal[:-1]) 
#задаем шаг и размер окна
    frame_size = 0.025
    frame_stride = 0.01
    frame_length, frame_step = frame_size * rate, frame_stride * rate  
    signal_length = len(emphasized_signal)
    frame_length = int(round(frame_length))
    frame_step = int(round(frame_step))
    num_frames = int(numpy.ceil(float(numpy.abs(signal_length - frame_length)) / frame_step)) 
    pad_signal_length = num_frames * frame_step + frame_length
    z = numpy.zeros((pad_signal_length - signal_length))
    pad_signal = numpy.append(emphasized_signal, z) 
    indices = numpy.tile(numpy.arange(0, frame_length), (num_frames, 1)) + numpy.tile(numpy.arange(0, num_frames * frame_step, frame_step), (frame_length, 1)).T
    frames = pad_signal[indices.astype(numpy.int32, copy=False)]
#делаем окно хэмминга
    frames *= numpy.hamming(frame_length)
#расчитываем преоброзование фурье сигнала x(n)
    xspec = nfft.fft(frames)
#мнимая часть
    ixspec = np.imag(nfft.fft(frames))
#реальная часть 
    rxspec = np.real(nfft.fft(frames))
#получаем сигнал nx(n)
    nn, nm = frames.shape
    dep = np.arange(1, nn+1).reshape((nn,1))
    yframes = dep*frames
#расчитываем преоброзование фурье сигнала nx(n)
    yspec = nfft.fft(yframes)
#мнимая часть
    iyspec = np.imag(nfft.fft(yframes))
#реальная часть
    ryspec = np.real(nfft.fft(yframes))
#перемножаем и суммируем поэлементно мнимую и реальную части
    chs=(ryspec * rxspec) + (ixspec * iyspec)
#расчет модуля
    zn= np.abs(nfft.fft(frames))
#Считаем модифицированную групповую задержку (MGD)
    y = 0.9
    st = 2*y
    znam = zn**st
    alpha = 0.4
    x = (chs/znam)**alpha
for mgd in x:
    mgd = np.vstack(x) 
    print(mgd.shape)
np.savetxt('H:\\...', mgd, delimiter = ",")