部分音频特征



在本文件夹的 low-level features and timbre文本有有对相应的特征参数代表的物理意义的解释

来自文献 全自动中文新闻字幕生成系统的设计与实现

频谱质心（spectral centroid，SC）频谱能量的集中点，一般来说，此值越小，说明越多的能量集中在低频范围内。

频谱差分幅度（spectral flux，SF）一个音频段中的相邻两帧之间谱的平均变化量

频谱截止频谱（spectral roll off frequency，SRF）把频率小于等于该值的所有信号的能量相加，其和为总能量的固定比例（可设定）

频谱峰度（spectral kurtosis，SK）描述频率分布曲线形态陡缓程度的统计量

梅尔频率倒谱系数（mei-frequency cepstral coefficients，MFCC）在梅尔频率尺度上进行频谱分析，梅尔频率尺度与实际频率关系为 Mel（f） =2595lg（1+f/700）。

线性预测倒谱系数（linear predictive cepstral coefficients，LPCC）由线性预测系数变换得到。线性预测的基本思想：用过去的p个样点值来预测未来的样点值。

短时能量均方值（root-mean-square，RMS）一帧的短时能量的均方值

过零率（zero-crossing rate，ZCR）一帧中信号波形穿过横轴（零电平）的次数

高过零帧比率（high zero-crossing rate ratio，HZCRR）一个音频段内过零率超过zcr值的帧数目，zcr值为所有帧的过零率平均值的1.5倍

低能帧比率（low short-time energy ratio，LSTER）一个音频段内能量低于此段内短时能量平均值0.5倍的帧数目

噪音帧比率（noise frame ratio，NFR）一个音频段内噪声帧所占比例

谱矩（spectral moments，SM）

http://www.audiocontentanalysis.org/code/