音频信号特征提取（1）：短时特征之短时能量、短时功率、短时过零率

最新推荐文章于 2024-07-22 04:56:13 发布

qcyfred

最新推荐文章于 2024-07-22 04:56:13 发布

阅读量3.7w

点赞数 13

分类专栏：音乐音频文章标签： matlab 短时过零率短时功率短时能量

本文链接：https://blog.csdn.net/qcyfred/article/details/53006847

版权

音乐音频专栏收录该内容

22 篇文章 42 订阅

订阅专栏

特征提取（Feature Exaction）的重要性，就不用多说了。

对于音频信号，按时间分辨率、按局部or全局的观念、持续时间长短，或者爱怎么讲怎么讲，特征可分为长期（long-term）、中期（mid-term）、短期（short-term），也可以叫短时特征。术语翻译不统一，我也不专业。知道英文术语就好。

短时能量、功率是有点瞬时功率的概念，但又没有那么“瞬时”。大概是按帧在做计算。

短时功率在计算的时候，把每一帧的能量还要处理该帧的长度，量纲上等于[Watt]。

有时候，要把线性尺度的短时能量和短时功率换算成对数尺度，分贝（dB），还要对最大值进行归一化，换算成相对强度，让最大值为0dB。

短时过零率（short-term zero corss rate，st-ZCR），大概是从时域上描述信号频率吧，也是按帧计算。声母的ZCR高一些，韵母的要低一些。噪声的话，不太确定了。大概好像要是比韵母高。和声母，我还不太清楚。

大致的代码如下了。

短时能量。

function E = get_st_energy( x,fs,wlen_time,step_time,win_type,energy_unit )
%function zcr = get_st_energy( x,fs,wlen_time,step_time,win_type,energy_unit )
%   获取短时能量（没有除以帧长，所以不是计算的功率）。
%   输入参数
%           x：语音信号 --> 单声道
%           fs：采样速率
%           wlen_time：窗口时间（s）
%           step_time：步进时间（s）
%           win_type：'hamming','hanning',...,默认'hamming'
%           energy_unit：'dB'，以归一化的能量显示 （单位：dB）。否则是线性刻度。
%   返回参数
%           E：短时能量（横坐标是帧序号）
% 作者：qcy
% 版本：v1.0
% 版本说明：计算短时能量。
% 如果分帧时，不能整除，则抛弃最后一帧，不予以计算
% 时间：2016年10月31日21:21:23

wlen = round(wlen_time * fs);
nstep = round(step_time * fs);

if nargin < 5
    win = hamming(wlen);
elseif nargin == 5
    if strcmp(win_type, 'hamming')
        win = hamming(wlen);
    elseif strcmp(win_type, 'hanning')
        win = hanning(wlen);
    else
        win = hamming(wlen);
    end
else
    win = hamming(wlen);
end

nFrames = floor((length(x) - wlen)/nstep) + 1; % 总帧数
E = [];

for k = 1:nFrames
    idx = (k-1) * nstep + (1:wlen);
    x_sub = x(idx) .* win;
    E(k) = sum(x_sub.^2); 
end

% 是否需要化成dB
if nargin == 6
    if strcmp(energy_unit, 'dB') 
        E = 10*log10(E/max(E)+eps);
    end
end
end

短时过零率。

function zcr = get_st_zcr( x,fs,wlen_time,step_time,win_type )
%function zcr = get_st_zcr(x,fs,wlen_time,step_time,win_type )
%   获取短时过零率。
%   输入参数
%           x：语音信号 --> 单声道
%           fs：采样速率
%           wlen_time：窗口时间（s）
%           step_time：步进时间（s）
%           win_type：'hamming','hanning',...,默认'hamming'
%   返回参数
%           zcr：短时过零率（横坐标是帧序号）
%
% 作者：qcy
% 版本：v1.0
% 版本说明：计算短时过零率。
% 如果分帧时，不能整除，则抛弃最后一帧，不予以计算
% 时间：2016年10月31日21:08:22

if(min(size(x))>1) % 如果不是单声道
    % ...
end

wlen = round(wlen_time * fs);
nstep = round(step_time * fs);

if nargin < 5
    win = hamming(wlen);
elseif narmin == 5
    if strcmp(win_type, 'hamming')
        win = hamming(wlen);
    elseif strcmp(win_type, 'hanning')
        win = hanning(wlen);
    else
        win = hamming(wlen);
    end
else
    win = hamming(wlen);
end


nFrames = floor((length(x) - wlen)/nstep) + 1; % 总帧数
zcr = [];

for k = 1:nFrames
    idx = (k-1) * nstep + (1:wlen);
    x_sub = x(idx) .* win;
    x_sub1 = x_sub(1:end-1);
    x_sub2 = x_sub(2:end);
    zcr(k) = sum(abs(sign(x_sub1) - sign(x_sub2))) / 2 / length(x_sub1); 
end

end

以后，会把这两个特征用于语音端点检测中。

比如得到下面这张图。