部分语音特征记录

1. frame就是一帧语音，utterance是一段语音，通常指一句话，一个语音样本
2. LLDs：手工设计的一些低水平特征，一般是在一帧语音上进行的计算，是用来表示一帧语音的特征
3. HSFs:是在LLDs的基础上做一些统计得到的特征，如均值，最大值。
4. 基音，通常记作F0，一般的声音都欧式与发音体发出的一系列频率、振幅各不相同的振动复合而成的。其中有一个频率最低的振动，由其发出的音就是基音，其余称为泛音。
5. 频率相关的特征：pitch：logF0,在半音频率尺度上计算。
6. 能量/振幅的特征：
   1. shimmer:相邻基音周期间振幅峰值之差。
   2. Loudness：从频谱中得到的声音强度的估计，根据能量来计算得到的
   3. HNR：信噪比
7. 谱特征：
   1. α ratio:50-1000hz的能量和除以1-5khz的能量和
   2. Hammarberg Index：0-2kHz的最强能量峰除以2-5kHz的最强能量峰
   3. Spectral Slope 0-500 Hz and 500-1500 Hz：对线性功率谱的两个区域0-500 Hz和500-1500 Hz做线性回归得到的两个斜率
   4. Formant 1, 2, and 3 relative energy：前三个共振峰的中心频率除以基音的谱峰能量
   5. Harmonic difference H1-H2：第一个基音谐波H1的能量除以第二个基音谐波的能量
   6. Harmonic difference H1-A3：第一个基音谐波H1的能量除以第三个共振峰范围内的最高谐波能量
8. IS10：总的有1582个特征，具体可以参考：https://hellolzc.github.io/2020/04/speech-emotion-feature-set/