语音分析和RGB三通道熵的计算_一个语音信号如何计算信息熵-CSDN博客

本文链接：https://blog.csdn.net/Arrebol_/article/details/123723058

（一）三个元音音频分析
1. /ai/
  - 时域波形
    
    $[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PW7QzDvx-1648130691941)(C:\Users\hp\AppData\Roaming\Typora\typora-user-images\image-20220301211059856.png)]$
    
    从时域波形来看，音频信号具有短时平稳性，该部分周期为10ms。
  - 频域波形
    
    $[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8yeueW7z-1648130691943)(C:\Users\hp\AppData\Roaming\Typora\typora-user-images\image-20220301211112879.png)]$
    
    频谱在230Hz、370Hz、618Hz处产生共振峰，能量集中在231Hz~1390Hz。
2. /ɔ/
  - 时域波形
    
    $[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hSA0ycUE-1648130691944)(C:\Users\hp\AppData\Roaming\Typora\typora-user-images\image-20220301211122847.png)]$
    
    音频信号具有短时平稳性，周期在10ms左右。
  - 频域波形
    
    频谱在232Hz、356Hz、519Hz出现共振峰，能量集中在232Hz~1007Hz附近。
3. /e/
  - 时域波形
    
    时域波形具有短时平稳性，周期在10ms左右。
  - 频域波形
    
    频谱在222Hz、344Hz、582Hz出现共振峰，能量集中在222Hz~812Hz附近。
    
    对比单元音和双元音的频谱发现，单元音的共振峰一般是单峰，而双元音的共振峰出现双峰；单元音的能量集中在200-1000Hz，双元音的能量集中在200-1400Hz。

（二）RGB三通道的熵计算

相关原理
- 测试文件：test.rgb,大小为256*256
- RGB文件中数据的存储形式是BGRBGRBGR…，将BRG的数值分别存储在3个256*256大小的数组中并统计0~255的数量，统计概率后计算三通道的熵。
- 离散随机变量信息熵的计算公式:
  ${H(X)=-\sum_{x_i\in\chi} P(x_i)log_2P(x_i)}$

代码实现

/*
* 该测试文件分辨率为256*256，数据格式为每个像素占用3字节，BGRBGR...保存
* 计算RGB文件三通道分量的熵。
*/
#include <iostream>
const int width = 256;
const int height = 256;
const int size = width * height;
int main()
{
    FILE* fp;
    fopen_s(&fp, "test.rgb", "rb");//只读二进制形式打开rgb文件

    unsigned char* buffer = (unsigned char*)malloc(sizeof(unsigned char) * size * 3);
    fread(buffer, sizeof(unsigned char), size*3, fp);//读入缓存区buffer

    int numR[256] = { 0 }, numG[256] = { 0 }, numB[256] = { 0 };//存放0~255的数量
    unsigned char B[size] = { 0 }, G[size] = { 0 }, R[size] = { 0 };//存放各位置的RGB值
    double freqR[256] = { 0 }, freqG[256] = { 0 }, freqB[256] = { 0 };

    for (int i = 0; i < size; i++)
    {
        B[i] = *(buffer + 3 * i);
        G[i] = *(buffer + 3 * i + 1);
        R[i] = *(buffer + 3 * i + 2);
    }

    /统计每个通道0~255的数量
    for (int i = 0; i < size; i++)
    {
        numR[R[i]]++;
        numG[G[i]]++;
        numB[B[i]]++;
    }

    //统计概率
    for (int i = 0; i < 256; i++)
    {
        freqR[i] = double(numR[i]) / size;
        freqG[i] = double(numG[i]) / size;
        freqB[i] = double(numB[i]) / size;
    }

    //计算各通道的熵
    double HR = 0, HG = 0, HB = 0;
    for (int i = 0; i < 256; i++)
    {
        if (freqR[i] != 0)
        {
            HR = HR - freqR[i] * log(freqR[i]) / log(2);
        }
        if (freqG[i] != 0)
        {
            HG = HG - freqG[i] * log(freqG[i]) / log(2);
        }
        if (freqB[i] != 0) 
        {
            HB = HB - freqB[i] * log(freqB[i]) / log(2);
        }
    }
    
    printf("passage R's entropy is %f\n", HR);
    printf("passage G's entropy is %f\n", HG);
    printf("passage B's entropy is %f\n", HB);

    free(buffer);
    fclose(fp);

}

实验结果

passage R's entropy is 7.229553
passage G's entropy is 7.178462
passage B's entropy is 6.856861