---------------------------------------
塞奥佐罗斯•Giannakopoulos
http: /www.di.uoa.gr/~tyiannak
---------------------------------------
特征提取（与大多数模式识别问题一样）可能是音频分类任务中最重要的一步。提供的Matlab代码计算WAV文件中存储的声音组的一些基本音频特征。此外，基于特征直方图的简单类可分性度量用于测量每个特征用于分类给定类的能力。T因此，您可以使用提供的m文件来计算音频分类问题的特征（即特定音频类），并了解这些特征对于特定分类任务的“良好程度”。

特征的计算方法分为两步:

特别是，为每个音频段提取以下音频特征和相应的统计信息：
功能统计
能量熵标准差（std）
平均（平均）比的信号能量标准
过零率
光谱滚边性病
光谱质心
平均比光谱通量

为了计算一个特定的。wav文件的6个特性统计，你可以使用computeAllStatistics(fileName, win, step)。

在计算特征之后，

A)估计所有类的每个特征的直方图

b） 一个简单的算法用于估计音频类的可分性。换句话说，一种描述特征分类“容易程度”的度量。在多类别分类问题的情况下，计算每个类别相对于所有其他类别的度量值，即计算每个类别的度量值。详细描述了该算法//www.tatmou.com/matlabcentral/fileexchange/loadFile.do?objectId=18791&objectType=FILE#.

例子：

此演示的主要功能是computeFeaturesDirectory（）。唯一重复出现的参数是一个单元格数组，其中包含存储相应类的.wav文件的目录名。例如，假设您有三个名为MUSIC、SPEECH和NOISE的文件夹，每个文件夹包含具有相关音频内容的wav文件（即包含音乐、SPEECH和NOISE片段的wav文件）。为了计算这些文件的音频特征，只需编写：

>> F = computeFeaturesDirectory({'music'，'speech'，'noise'});

塞奥佐罗斯•Giannakopoulos
http: /www.di.uoa.gr/~tyiannak

* * * * * * * * * * * * * * * * * * * *
重要更新：
更高级的音频分析方法可以在MATLAB音频分析库(//www.tatmou.com/matlabcentral/fileexchange/45831-matlab-audio-analysis-library)这是《音频分析导论：MATLAB方法》一书的一部分(http://www.amazon.com/Introduction-Audio-Analysis-MATLAB%C2%AE-Approach/dp/0080993885)
* * * * * * * * * * * * * * * * * * * *