主要内容

audioFeatureExtractor

流线型音频特征提取

全部展开页面

描述

audioFeatureExtractor将多个音频特征提取器封装到一个流线型和模块化实现中。

创建

语法

aFE=音频特征提取程序（）
aFE = audioFeatureExtractor(名称、值)

描述

aFE= audioFeatureExtractor ()创建带有默认属性值的音频特征提取器。

例子

aFE=音频特征提取程序(名称、值）的非默认属性aFE使用一个或多个名称-值对参数。

属性

全部展开

主要特性

分析窗口，指定为实向量。

数据类型:单|双

相邻分析窗口的重叠长度，指定为范围[0，努梅尔(窗口）).

数据类型:单|双

FFT长度，指定为整数。默认值为，［］，表示FFT长度等于窗口长度(努梅尔(窗口）).

数据类型:单|双

以Hz为单位的输入采样率，指定为非负标量。

数据类型:单|双

输入光谱描述符，指定为“线性光谱”，“melSpectrum”，“barkSpectrum”,或“erbSpectrum”．

受此属性影响的光谱描述符包括：

输入到光谱描述符的光谱与对应特征的输出相同:

例如，如果你设置“SpectralDescriptorInput”来“barkSpectrum”和“spectralCentroid”来符合事实的,然后aFE返回默认Bark谱的质心。

[audioIn，fs]=音频读取(“Counting-16-44p1-mono-15secs.wav”）;aFE = audioFeatureExtractor (“SampleRate”，财政司司长，．..“SpectralDescriptorInput”，“barkSpectrum”，．..“spectralCentroid”，对）；Barkspectrocalcentroid=提取物（aFE，audioIn）；
如果指定非默认值barkSpectrum使用setExtractorParams，则非默认的Bark谱为谱描述符的输入。例如，如果你打电话setExtractorParams（aFE，“巴克光谱”，“麻木”，40）,然后aFE返回40波段巴克光谱的质心。

setExtractorParams (aFE“barkSpectrum”，“NumBands”bark40SpectralCentroid = extract(aFE,audioIn);

数据类型:字符|字符串

此属性是只读的。

输出的特征总数提取对于当前对象配置，指定为正整数。FeatureVectorLength等于?的输出的第二个维度提取函数。

数据类型:单|双

要提取的特征

提取单侧线性谱，指定为符合事实的或错误的．

设置线性光谱提取的参数，使用setExtractorParams：

setExtractorParams (aFE“线性光谱”，“姓名”,值)
线性光谱提取的可设置参数为:

  • “FrequencyRange”–以Hz为单位的提取频谱的频率范围，指定为逗号分隔对，包括“FrequencyRange”以及一个数字在[0，SampleRate/ 2)。如果未指定的,FrequencyRange默认为[0,SampleRate/ 2)．

  • “SpectrumType”——频谱类型，指定为逗号分隔的对，由“SpectrumType”和“权力”或“级”．如果未指定的,SpectrumType默认为“权力”．

  • “窗口规范化”——应用窗口规范化，指定为逗号分隔的对“窗口规范化”和符合事实的或错误的．如果未指定的,WindowNormalization默认为符合事实的．

数据类型:逻辑

提取单侧mel光谱，指定为符合事实的或错误的．

设置mel光谱提取的参数，使用setExtractorParams：

setExtractorParams (aFE“melSpectrum”，“姓名”,值)
mel光谱提取的可设置参数有:

  • “FrequencyRange”–以Hz为单位的提取频谱的频率范围，指定为逗号分隔对，包括“FrequencyRange”以及一个数字在[0，SampleRate/ 2)。如果未指定的,FrequencyRange默认为[0,SampleRate/ 2)．

  • “SpectrumType”——频谱类型，指定为逗号分隔的对，由“SpectrumType”和“权力”或“级”．如果未指定的,SpectrumType默认为“权力”．

  • “NumBands”——mel条带的数量，指定为逗号分隔对“NumBands”和一个整数。如果未指定的,NumBands默认为32．

  • “FilterBankNormalization”——应用于带通滤波器的归一化，指定为逗号分隔对组成“FilterBankNormalization”和“带宽”，“区域”,或“没有”．如果未指定的,滤波器组归一化默认为“带宽”．

  • “窗口规范化”——应用窗口规范化，指定为逗号分隔的对“窗口规范化”和符合事实的或错误的．如果未指定的,WindowNormalization默认为符合事实的．

  • “FilterBankDesignDomain”——设计滤波器组的域，指定为逗号分隔对，由FilterBankDesignDomain,要么“线性”或“扭曲”．如果未指定的,FilterBankDesignDomain默认为“线性”．

数据类型:逻辑

提取单侧树皮光谱，指定为符合事实的或错误的．

要设置树皮光谱提取的参数，请使用setExtractorParams：

setExtractorParams (aFE“barkSpectrum”，“姓名”,值)
树皮光谱提取的可设置参数为：

  • “FrequencyRange”–以Hz为单位的提取频谱的频率范围，指定为逗号分隔对，包括“FrequencyRange”以及一个数字在[0，SampleRate/ 2)。如果未指定的,FrequencyRange默认为[0,SampleRate/ 2)．

  • “SpectrumType”——频谱类型，指定为逗号分隔的对，由“SpectrumType”和“权力”或“级”．如果未指定的,SpectrumType默认为“权力”．

  • “NumBands”——树皮带的数量，指定为逗号分隔的对，由“NumBands”和一个整数。如果未指定的,NumBands默认为32．

  • “FilterBankNormalization”——应用于带通滤波器的归一化，指定为逗号分隔对组成“FilterBankNormalization”和“带宽”，“区域”,或“没有”．如果未指定的,滤波器组归一化默认为“带宽”．

  • “窗口规范化”——应用窗口规范化，指定为逗号分隔的对“窗口规范化”和符合事实的或错误的．如果未指定的,WindowNormalization默认为符合事实的．

  • “FilterBankDesignDomain”——设计滤波器组的域，指定为逗号分隔对，由FilterBankDesignDomain,要么“线性”或“扭曲”．如果未指定的,FilterBankDesignDomain默认为“线性”．

数据类型:逻辑

提取单侧ERB谱，指定为符合事实的或错误的．

设置ERB光谱提取的参数，使用setExtractorParams：

setExtractorParams (aFE“erbSpectrum”，“姓名”,值)
ERB频谱提取的可设置参数如下:

  • “FrequencyRange”–以Hz为单位的提取频谱的频率范围，指定为逗号分隔对，包括“FrequencyRange”以及一个数字在[0，SampleRate/ 2)。如果未指定的,FrequencyRange默认为[0,SampleRate/ 2)．

  • “SpectrumType”——频谱类型，指定为逗号分隔的对，由“SpectrumType”和“权力”或“级”．如果未指定的,SpectrumType默认为“权力”．

  • “NumBands”——ERB带的个数，指定为逗号分隔对“NumBands”和一个整数。如果未指定的,NumBands默认为(即:hz2erb（频率范围（2））-hz2erb(FrequencyRange (1)))．

  • “FilterBankNormalization”——应用于带通滤波器的归一化，指定为逗号分隔对组成“FilterBankNormalization”和“带宽”，“区域”,或“没有”．如果未指定的,滤波器组归一化默认为“带宽”．

  • “窗口规范化”——应用窗口规范化，指定为逗号分隔的对“窗口规范化”和符合事实的或错误的．如果未指定的,WindowNormalization默认为符合事实的．

数据类型:逻辑

提取梅尔频率倒频谱系数(MFCC)，指定为符合事实的或错误的．

设置MFCC提取的参数，使用setExtractorParams：

setExtractorParams (aFE“mfcc”，“姓名”,值)
MFCC萃取的可设置参数为:

  • “Numcoefs”——每个窗口返回的系数的数量，指定为逗号分隔的对“Numcoefs”一个正整数。如果未指定的,NumCoeffs默认为13．

  • “DeltaWindowLength”——增量窗口长度，指定为逗号分隔的对，由“DeltaWindowLength”和一个大于2的奇数。如果未指定的,DeltaWindowLength默认为9．此参数影响mfccDelta和mfccDeltaDelta特征。

  • “整改”–非线性校正类型，指定为逗号分隔对，包括“整改”和“日志”或“立方根”．

mel频率倒谱系数使用melSpectrum．

数据类型:逻辑

提取MFCC的delta，指定为符合事实的或错误的．

delta MFCC是根据提取的MFCC计算出来的。参数设置mfcc影响mfccDelta．

数据类型:逻辑

提取MFCC的delta-delta，指定为符合事实的或错误的．

delta-delta MFCC是根据提取的MFCC进行计算的。参数设置mfcc影响mfccDeltaDelta．

数据类型:逻辑

提取伽玛酮倒谱系数(GTCC)，指定为符合事实的或错误的．

要设置GTCC提取的参数，请使用setExtractorParams：

setExtractorParams (aFE“gtcc”，“姓名”,值)
GTCC提取的可设置参数有:

  • “Numcoefs”——每个窗口返回的系数的数量，指定为逗号分隔的对“Numcoefs”一个正整数。如果未指定的,NumCoeffs默认为13．

  • “DeltaWindowLength”——增量窗口长度，指定为逗号分隔的对，由“DeltaWindowLength”和一个大于2的奇数。如果未指定的,DeltaWindowLength默认为9．此参数影响gtccDelta和gtccDeltaDelta特征。

  • “整改”–非线性校正类型，指定为逗号分隔对，包括“整改”和“日志”或“立方根”．

伽玛通倒谱系数是用铒波谱．

数据类型:逻辑

提取GTCC的增量，指定为符合事实的或错误的．

增量GTCC是根据提取的GTCC计算出来的。参数设置gtcc影响gtccDelta．

数据类型:逻辑

提取GTCC的delta-delta，指定为符合事实的或错误的．

delta-delta GTCC是根据提取的GTCC计算出来的。参数设置gtcc影响gtccDeltaDelta．

数据类型:逻辑

提取光谱质心，指定为符合事实的或错误的．

根据以下光谱表示之一计算光谱质心，如SpectralDescriptorInput属性:

数据类型:逻辑

提取光谱波峰，指定为符合事实的或错误的．

根据下列光谱表示之一计算光谱波峰，如SpectralDescriptorInput属性:

数据类型:逻辑

提取光谱降低值，具体为符合事实的或错误的．

在下列光谱表示形式之一上计算谱降，如SpectralDescriptorInput属性:

数据类型:逻辑

提取光谱熵，记为符合事实的或错误的．

谱熵是根据下列谱表示之一计算的，如SpectralDescriptorInput属性:

数据类型:逻辑

提取光谱平坦度，具体为符合事实的或错误的．

根据以下光谱表示之一计算光谱平坦度，如SpectralDescriptorInput属性:

数据类型:逻辑

提取光谱通量，指定为符合事实的或错误的．

根据下列光谱表示之一计算光谱通量，如SpectralDescriptorInput属性:

要设置光谱通量提取的参数，使用setExtractorParams：

setExtractorParams (aFE“spectralFlux”，“姓名”,值)
光谱通量提取的可设置参数为:

  • “标准类型”——用于计算谱通量的Norm类型，指定为逗号分隔对组成“标准类型”和1或2．如果未指定的,NormType默认为2．

数据类型:逻辑

提取光谱峰度，指定为符合事实的或错误的．

谱峰度是根据下列的谱表示之一计算的，如SpectralDescriptorInput属性:

数据类型:逻辑

提取光谱rolrolff点，指定为符合事实的或错误的．

谱的滚动点是根据下列的谱表示之一计算的，如SpectralDescriptorInput属性:

要设置光谱滚点提取的参数，使用setExtractorParams：

setExtractorParams (aFE“spectralRolloffPoint”，“姓名”,值)
光谱通量提取的可设置参数为:

  • “阈值”——rolrolpoint的阈值，指定为逗号分隔的对“阈值”和范围（0，1）中的标量。如果未指定，阈值默认为0.95．

数据类型:逻辑

提取光谱偏度，指定为符合事实的或错误的．

根据以下光谱表示之一计算光谱偏度，如SpectralDescriptorInput属性:

数据类型:逻辑

提取光谱斜率，指定为符合事实的或错误的．

根据以下光谱表示之一计算光谱斜率，如SpectralDescriptorInput属性:

数据类型:逻辑

提取频谱扩展，指定为符合事实的或错误的．

的指定的下列光谱表示之一计算光谱扩展SpectralDescriptorInput属性:

数据类型:逻辑

提取音高，指定为符合事实的或错误的．

设置音高提取的参数，使用setExtractorParams：

setExtractorParams (aFE“节”，“姓名”,值)
可设置的螺距提取参数有:

  • “方法”–用于计算节距的方法，指定为逗号分隔对，包括“方法”和“PEF”，“NCF”，“CEP”，“LHS”,或“SRH”．如果未指定的,方法默认为“NCF”.有关可用基音提取方法的说明，请参阅抛．

  • “范围”——在Hz范围内搜索音调，指定为逗号分隔的对，由“范围”以及一个值递增的两元素行向量。如果未指定的,范围默认为[50400]．

  • “MedianFilterLength”–用于随时间平滑基音估计的中值滤波器长度，指定为逗号分隔对，包括“MedianFilterLength”一个正整数。如果未指定的,MedianFilterLength默认为1(无中值滤波)。

数据类型:逻辑

提取谐波比，指定为符合事实的或错误的．

数据类型:逻辑

目标函数

提取 提取音频功能
setExtractorParams 为单个特征提取器设置非默认参数值
信息 输出映射和单个特征提取参数
generateMATLABFunction 创建MATLAB函数兼容C/ c++代码生成

例子

全部崩溃

打开实时脚本

读入音频信号。

[audioIn，fs]=音频读取(“计数-16-44p1-mono-15秒波形”）;

创建一个audioFeatureExtractor对象提取音频信号的MFCC、delta MFCC、delta-delta MFCC、音调和谱心。使用30毫秒的分析窗口，20毫秒重叠。

aFE = audioFeatureExtractor (．..“SampleRate”，财政司司长，．..“窗口”汉明(圆(0.03 * fs),“周期”),．..“OverlapLength”而圆(0.02 * fs),．..“mfcc”,真的,．..“mfccDelta”,真的,．..“mfccDeltaDelta”,真的,．..“节”,真的,．..“spectralCentroid”,真正的);

调用提取从音频信号中提取音频特征。

特点=提取(aFE audioIn);

使用信息确定特征提取矩阵的哪一列对应于所要求的基音提取。

idx=信息（aFE）
idx =带字段的结构：mfcc:[1 2 3 4 5 6 7 8 9 10 11 12 13]mfccDelta:[14 15 16 17 18 19 20 21 22 23 24 26]mfccDeltaDelta:[27 28 29 30 31 32 33 34 35 36 37 38 39]光谱色：40音高：41

绘制探测到的音高随时间变化的曲线。

t=linspace（0，大小（audioIn，1）/fs，大小（features，1））；情节（t，特征（：，idx.pitch））标题(“节”)包含(‘时间’)伊拉贝尔(‘频率（Hz）’）

图中包含一个轴对象。具有标题Pitch的axes对象包含一个类型line对象。

打开实时脚本

创建一个音频数据存储，指向audio Toolbox®中包含的音频样本。

folder=fullfile（matlabroot，“工具箱”，“音频”，“样本”）;广告= audioDatastore(文件夹);

找到所有对应于采样率为44.1 kHz的文件，然后子集数据存储。

keepFile = cellfun (@ (x)包含(x,‘44p1’), ads.Files);广告=子集(广告,keepFile);

将数据转换为高大堆高只有当您使用显式请求数组时，才会计算它们收集．MATLAB®自动优化的排队计算，通过最小化的次数通过数据。如果您有Parallel Computing Toolbox™，则可以将计算分散到多台计算机上。音频数据表示为米-by-1高单元阵列，其中米是音频数据存储中文件的数量。

adsTall =高(广告)
使用“local”配置文件启动并行池(parpool)…连接到平行池(工人数量:6)。adsTall = M×1高细胞数组{539648×1双}{227497×1双}{8000×1双}{685056×1双}{882688×2双}{1115760×2双}{505200×2双}{3195904×2双}::::

创建一个audioFeatureExtractor目的从每个音频文件中提取mel谱、巴克谱、ERB谱和线性谱。使用默认分析窗口和重叠长度进行光谱提取。

aFE = audioFeatureExtractor (“SampleRate”, 44.1 e3,．..“melSpectrum”,真的,．..“巴克光谱”,真的,．..“erbSpectrum”,真的,．..“linearSpectrum”,真正的);

定义一个cellfun函数，以便从高数组的每个单元中提取音频特征。调用收集求高数组的值。

specsTall=cellfun（@（x）提取（aFE，x），adsTall，“UniformOutput”，false）；等级库=聚集（等级库）；
使用Parallel Pool 'local'计算tall表达式:- Pass 1 of 1: Completed in 12 sec

的规格从gather返回的变量是numFiles-by-1 cell array，其中numFiles是数据存储中的文件数。单元格数组的每个元素都是numHops——- - - - - -numFeatures——- - - - - -numChannels数组，其中跳数和信道数取决于音频文件的长度和信道数，而特性数是请求的音频数据的特性数。

numFiles =元素个数(规格)
numFiles=12
[numHops1, numFeaturesFile1 numChanelsFile1] =大小(规格{1})
numHops1 = 1053
numFeaturesFile1=620
numChanelsFile1 = 1
[numHops2，numFeaturesFile2，numChanelsFile2]=大小（规格{2}）
numHops2=443
numFeaturesFile2 = 620
numChanelsFile2 = 1

算法

的audioFeatureExtractor基于选定的特征创建特征提取管道。为了减少计算,audioFeatureExtractor重用的中介表示。一些中间表示可以作为特性输出:

例如，要创建提取Bark谱的质心、Bark谱的通量、音调、谐波比和MFCC的delta-delta的对象，请指定audioFeatureExtractor为:

aFE = audioFeatureExtractor (．..“SpectralDescriptorInput”，“barkSpectrum”，．..“spectralCentroid”,真的,．..“spectralFlux”,真的,．..“节”,真的,．..“口琴”,真的,．..“mfccDeltaDelta”,真正的)
aFE = audioFeatureExtractor with properties: properties Window: [1024×1 double] OverlapLength: 512 SampleRate: 44100 FFTLength: [] SpectralDescriptorInput:'barkSpectrum' Enabled Features mfccDeltaDelta, spectrum centroid, spectrum flux, pitch, harmonicRatio Disabled Features linearSpectrum, melSpectrum, barkSpectrum, erbSpectrum, mfcc, mfccDelta gtcc, gtccDelta, gtccDelta, gtccadelta, spectrum crest, spectrum decrease, spectrum entropy spectrum flatness, spectrum峰度，spectrum rolloffpoint, spectrum skewness，频谱偏斜度在提取特征时，将其属性设置为true。例如,obj。mfcc= true, adds mfcc to the list of enabled features.
这个配置对应突出显示的特征提取管道:

请注意

因为audioFeatureExtractor重用中介表示，从中输出的特性audioFeatureExtractor可能与相应的单个特征提取器输出的特征的默认配置不一致。

兼容性考虑

全部展开

R2020b中的行为发生了变化

扩展功能

另请参阅

||||

介绍了R2019b

音频工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

现在受审