音频领域常用的谱特征

本文详细列举一些谱特征的公式定义，做业务的时候，再也不用为脑海里捉襟见肘的特征发愁了！！！

关于谱特征，其广泛的使用于机器学习和深度学习中，在乐器分类，音色分析，端点侦测，情绪识别，语音活动检测等等各种业务中都有大量的实践应用。

这些谱特征都是频域数据各个维度高度抽象、总结、量化的结果，为业务后续研发提供思维的燃料，脑海里有没有很重要，至于烧不烧、怎么烧是另外一回事，但前提是先备好这些"燃料"，幸运的是，audioFlux项目提供下面所列谱特征几乎所有的支持，感兴趣的小伙伴后续可以用其做不同的测试以加深理解。

谱特征

$b_1,b_2$ 为频带bin边界，$f_k$单位Hz，$s_k$为频谱值，可以 magnitud spectrum或power spectrum

1. Spectral Centroid

$${\mu }_1=\frac{{\sum }_{k=b_1}^{b_2}{f}_k{s}_k}{{\sum }_{k=b_1}^{b_2}{s}_k}$$

2. Spectral Spread

$${\mu }_2=\sqrt{\frac{{\sum }_{k=b_1}^{b_2}(f_k-{\mu }_1{)}^2{s}_k}{{\sum }_{k=b_1}^{b_2}{s}_k}}$$

3. Spectral Skewness

$${\mu }_3=\frac{{\sum }_{k=b_1}^{b_2}(f_k-{\mu }_1{)}^3{s}_k}{({\mu }_2{)}^3{\sum }_{k=b_1}^{b_2}{s}_k}$$

4. Spectral Kurtosis

$${\mu }_4=\frac{{\sum }_{k=b_1}^{b_2}(f_k-{\mu }_1{)}^4{s}_k}{({\mu }_2{)}^4{\sum }_{k=b_1}^{b_2}{s}_k}$$

5. Spectral Entropy

设
$p_k=\frac{s_k}{{\sum }_{k=b_1}^{b_2}{s}_k}$

$$entropy1=\frac{-{\sum }_{k=b_1}^{b_2}{p}_k\log (p_k)}{\log (b_2-b_1)}$$

或

e n t r o p y 2 = − ∑ k = b 1 b 2 p k log ⁡ ( p k ) entropy2= {-\sum_{ k=b_1 }^{b_2} p_k \log(p_k)} entropy2=−k=b1​∑b2​​p