食物声音识别-音频数据特征提取

食物声音识别-音频数据特征提取

** Datawhale开源项目Task3打卡**

• 今日知识点：过零率，频谱质心、声谱衰减，梅尔频率倒谱系数（MFCC），色度频率以及MFCC特征提取
• 运用的Python第三方库：numpy, sklearn, librosa, matplotlib

每个特征在声音识别中的用途：

1. 过零率（zero crossing rate）-- 适用于高冲击性的声音
   代表信号符号变化的比率，即在每帧中，语音信号从正变为负或从负变为正的次数。该特征在语音识别和信息检索领域有广泛应用，尤其是对类似摇滚、金属类高冲击性的声音具有更高的价值。

2. 频谱质心（Spectral Centroid）-- 常用于对乐器声色的分析研究

3. 声谱衰减 （Spectral Roll-off）-- 表示低于总频谱能量的指定百分比的频率

4. 色度频谱 (Chroma Frequencies) – 代表整个频谱被投影到12个区间（代表一个八度）

MFCC特征提取

MFCC (Mel Frequency Cepstral Coefficients)是语音识别领域中最常用的特征提取的方法。