音频特征提取——常用音频特征

作者：桂。

时间：2017-05-05  21:45:07

链接：http://www.cnblogs.com/xingshansi/p/6815217.html 

---

前言

主要总结一下常用的音频特征，并给出具体的理论分析及代码。

一、过零率

过零率的表达式为：

其中N为一帧的长度，n为对应的帧数，按帧处理。

理论分析：过零率体现的是信号过零点的次数，体现的是频率特性。因为需要过零点，所以信号处理之前需要中心化处理。

code(zcr1即为过零率):

for i=1:fn
    z=X(:,i);                     % 取得一帧数据
    for j=1: (wlen- 1) ;          % 在一帧内寻找过零点
         if z(j)* z(j+1)< 0       % 判断是否为过零点
             zcr1(i)=zcr1(i)+1;   % 是过零点，记录1次
         end
    end
end

二、短时能量

短时能量的表达式为：

理论分析：短时能量体现的是信号在不同时刻的强弱程度。

code:

for i=1 : fn
    u=X(:,i);              % 取出一帧
    u2=u.*u;               % 求出能量
    En(i)=sum(u2);         % 对一帧累加求和
end

三、短时自相关函数

短时自相关函数定义式为：

理论分析：学过信号处理的都应该知道，信号A与信号B翻转的卷积，就是二者的相关函数。其中是因为分帧的时候，加了窗函数截断，w代表窗函数。

code:假设一帧截断的信号

r = xcorr(signal);  

　　这与直接利用卷积的方式等价：

给出卷积的实现：

function output_signal=my_direct_convolution(input_signal,impulse_response)
% Input:
%    input_signal: the input signal
%    impulse_response: the impulse response
% Output:
%    output_signal:the convolution result
N=length(input_signal);%define length of signal
K=length(impulse_response);%define length of impulse response
output_signal=zeros(N+K-1,1);%initializing the output vector
xp=[zeros(K-1,1);input_signal;zeros(K-1,1)];
for i=1:N+K-1
    output_signal(i)=xp(i+K-1:-1:i)'*impulse_response;
end

　　卷积也可以借助FFT快速实现。

调用卷积的函数：

r1 = my_direct_convolution(signal,signal(end:-1:1));

　　图中可以看出r与r1完全等价：

四、短时平均幅度差

假设x是加窗截断后的信号，短时平均幅度差定义：

理论分析：音频具有周期特性，平稳噪声情况下利用短时平均幅度差可以更好地观察周期