简化音频特征提取
audioFeatureExtractor
将多个音频功能提取器封装到一个简化的模块化实现中。
使用默认属性值创建音频功能提取器。aFE
=音频特征提取程序()
的非默认属性aFE
= audioFeatureExtractor (名称,值
)aFE
使用一个或多个名称-值对参数。
窗
- - - - - -分析窗口哈明(1024,“周期性”)
(默认)|真正的向量分析窗口,指定为实向量。
数据类型:仅有一个的
|双重的
OverlapLength
- - - - - -相邻分析窗口重叠长度512
(默认)|范围为[0]的整数,元素个数(窗
)
)相邻分析窗口的重叠长度,指定为范围[0,元素个数(窗)
).
数据类型:仅有一个的
|双重的
FFT长度
- - - - - -FFT长度[]
(默认)|正整数FFT长度,指定为整数。默认的,[]
,表示FFT长度等于窗口长度,(元素个数(窗)
).
数据类型:仅有一个的
|双重的
取样频率
- - - - - -输入采样率(Hz)44100
(默认)|负的标量输入采样率(Hz),指定为非负标量。
数据类型:仅有一个的
|双重的
光谱描述输入
- - - - - -光谱描述符的输入“linearSpectrum”
(默认)|“melSpectrum”
|“巴克谱”
|“erbSpectrum”
光谱描述符的输入,指定为“linearSpectrum”
,“melSpectrum”
,“巴克谱”
或“erbSpectrum”
.
受此特性影响的谱描述符有:
光谱描述符的光谱输入与相应特征的输出相同:
例如,如果你设置“光谱描述输入”
到“巴克谱”
,“光谱阵”
到真正的
,然后aFE
返回默认Bark谱的质心。
[audioIn, fs] = audioread (“Counting-16-44p1-mono-15secs.wav”);aFE=音频特征提取程序(“SampleRate”fs,...“光谱描述输入”,“巴克谱”,...“光谱阵”,真正的);audioIn barkSpectralCentroid =提取(aFE);
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“barkSpectrum”、“NumBands”,40)
,然后aFE
返回40波段巴克光谱的质心。
setExtractorParams (aFE“巴克谱”,“NumBands”bark40SpectralCentroid = extract(aFE,audioIn);
数据类型:字符
|一串
FeatureVectorLength
- - - - - -从提取输出的特征数线性谱
- - - - - -提取线性谱假
(默认)|真正的
提取单侧线性光谱,指定为真正的
或假
.
要设置线性光谱提取的参数,请使用setExtractorParams
:
setExtractorParams (aFE“linearSpectrum”,“名称”,值)
“频率范围”
——提取的频谱的频率范围,以Hz为单位,由逗号分隔的对组成“频率范围”
以及一个数字在[0,取样频率/2] 。如未指明,FrequencyRange
默认为[0,
.取样频率
/2]
“SpectrumType”
——频谱类型,指定为逗号分隔的对,由“SpectrumType”
和“权力”
或“震级”
.如果未指定的,谱型
默认为“权力”
.
“WindowNormalization”
——应用窗口规范化,指定为逗号分隔的对“WindowNormalization”
和真正的
或假
.如果未指定的,WindowNormalization
默认为真正的
.
数据类型:逻辑
熔化光谱
- - - - - -提取梅尔频谱假
(默认)|真正的
提取单侧mel光谱,指定为真正的
或假
.
设置mel光谱提取的参数,使用setExtractorParams
:
setExtractorParams (aFE“melSpectrum”,“名称”,值)
“频率范围”
——提取的频谱的频率范围,以Hz为单位,由逗号分隔的对组成“频率范围”
以及一个数字在[0,取样频率/2] 。如未指明,FrequencyRange
默认为[0,
.取样频率
/2]
“SpectrumType”
——频谱类型,指定为逗号分隔的对,由“SpectrumType”
和“权力”
或“震级”
.如果未指定的,谱型
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
.
“过滤器组规范化”
–标准化应用于带通滤波器,指定为逗号分隔对,由“过滤器组规范化”
和“带宽”
,“区域”
或“没有”
.如果未指定的,FilterBankNormalization
默认为“带宽”
.
“WindowNormalization”
——应用窗口规范化,指定为逗号分隔的对“WindowNormalization”
和真正的
或假
.如果未指定的,WindowNormalization
默认为真正的
.
“FilterBankDesignDomain”
——设计滤波器组的域,指定为逗号分隔对,由滤波器组设计域
,要么“线性”
或“扭曲”
.如果未指定的,滤波器组设计域
默认为“线性”
.
数据类型:逻辑
barkSpectrum
- - - - - -提取树皮光谱假
(默认)|真正的
提取单侧树皮光谱,指定为真正的
或假
.
要设置树皮光谱提取的参数,请使用setExtractorParams
:
setExtractorParams (aFE“巴克谱”,“名称”,值)
“频率范围”
——提取的频谱的频率范围,以Hz为单位,由逗号分隔的对组成“频率范围”
以及一个数字在[0,取样频率/2] 。如未指明,FrequencyRange
默认为[0,
.取样频率
/2]
“SpectrumType”
——频谱类型,指定为逗号分隔的对,由“SpectrumType”
和“权力”
或“震级”
.如果未指定的,谱型
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
.
“过滤器组规范化”
–标准化应用于带通滤波器,指定为逗号分隔对,由“过滤器组规范化”
和“带宽”
,“区域”
或“没有”
.如果未指定的,FilterBankNormalization
默认为“带宽”
.
“WindowNormalization”
——应用窗口规范化,指定为逗号分隔的对“WindowNormalization”
和真正的
或假
.如果未指定的,WindowNormalization
默认为真正的
.
“FilterBankDesignDomain”
——设计滤波器组的域,指定为逗号分隔对,由滤波器组设计域
,要么“线性”
或“扭曲”
.如果未指定的,滤波器组设计域
默认为“线性”
.
数据类型:逻辑
erbSpectrum
- - - - - -ERB谱的提取假
(默认)|真正的
提取单侧ERB光谱,具体如下真正的
或假
.
要设置ERB频谱提取的参数,请使用setExtractorParams
:
setExtractorParams (aFE“erbSpectrum”,“名称”,值)
“频率范围”
——提取的频谱的频率范围,以Hz为单位,由逗号分隔的对组成“频率范围”
以及一个数字在[0,取样频率/2] 。如未指明,FrequencyRange
默认为[0,
.取样频率
/2]
“SpectrumType”
——频谱类型,指定为逗号分隔的对,由“SpectrumType”
和“权力”
或“震级”
.如果未指定的,谱型
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
默认为细胞(
.hz2erb
(FrequencyRange (2))hz2erb
(频率范围(1)))
“过滤器组规范化”
–标准化应用于带通滤波器,指定为逗号分隔对,由“过滤器组规范化”
和“带宽”
,“区域”
或“没有”
.如果未指定的,FilterBankNormalization
默认为“带宽”
.
“WindowNormalization”
——应用窗口规范化,指定为逗号分隔的对“WindowNormalization”
和真正的
或假
.如果未指定的,WindowNormalization
默认为真正的
.
数据类型:逻辑
mfcc
- - - - - -提取梅尔频率倒频谱系数(MFCC)假
(默认)|真正的
提取mel频率倒谱系数(MFCC),指定为真正的
或假
.
设置MFCC提取的参数,使用setExtractorParams
:
setExtractorParams (aFE“mfcc”,“名称”,值)
“NumCoeffs”
——每个窗口返回的系数的数量,指定为逗号分隔的对“NumCoeffs”
一个正整数。如果未指定的,NumCoeffs
默认为13
.
“DeltaWindowLength”
–Delta窗口长度,指定为逗号分隔对,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
特性。
“纠正”
——非线性整流的类型,指定为逗号分隔对,由“纠正”
和“日志”
或“立方根”
.
计算了梅尔频率倒频谱系数熔化光谱.
数据类型:逻辑
mfccDelta
- - - - - -提取MFCC的delta假
(默认)|真正的
提取MFCC的增量,指定为真正的
或假
.
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
mfccDeltaDelta
- - - - - -提取MFCC的delta-delta假
(默认)|真正的
提取MFCC的增量,指定为真正的
或假
.
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
gtcc
- - - - - -提取伽玛酮倒谱系数(GTCC)假
(默认)|真正的
提取gammatone倒谱系数(GTCC),具体如下真正的
或假
.
设置GTCC提取的参数,请使用setExtractorParams
:
setExtractorParams (aFE“gtcc”,“名称”,值)
“NumCoeffs”
——每个窗口返回的系数的数量,指定为逗号分隔的对“NumCoeffs”
一个正整数。如果未指定的,NumCoeffs
默认为13
.
“DeltaWindowLength”
–Delta窗口长度,指定为逗号分隔对,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
特性。
“纠正”
——非线性整流的类型,指定为逗号分隔对,由“纠正”
和“日志”
或“立方根”
.
gammatone倒谱系数是使用erbSpectrum.
数据类型:逻辑
gtccDelta
- - - - - -提取GTCC的delta假
(默认)|真正的
提取GTCC的delta,指定为真正的
或假
.
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
gtccDeltaDelta
- - - - - -提取GTCC的delta-delta假
(默认)|真正的
提取GTCC的delta-delta,指定为真正的
或假
.
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
光谱熵
- - - - - -提取频谱质心假
(默认)|真正的
光谱休息
- - - - - -提取光谱波峰假
(默认)|真正的
spectralDecrease
- - - - - -提取光谱减少假
(默认)|真正的
光谱性
- - - - - -提取谱熵假
(默认)|真正的
spectralFlatness
- - - - - -提取光谱平坦度假
(默认)|真正的
spectralFlux
- - - - - -提取谱通量假
(默认)|真正的
提取光谱通量,指定为真正的
或假
.
根据下列光谱表示之一计算光谱通量,如光谱描述输入财产:
要设置光谱通量提取的参数,使用setExtractorParams
:
setExtractorParams (aFE“光谱通量”,“名称”,值)
“NormType”
——用于计算谱通量的Norm类型,指定为逗号分隔对组成“NormType”
和一个1
或2
.如果未指定的,标准型
默认为2
.
数据类型:逻辑
spectralKurtosis
- - - - - -提取光谱峰态假
(默认)|真正的
spectralRolloffPoint
- - - - - -提取光谱衰减点假
(默认)|真正的
提取光谱rolrolff点,指定为真正的
或假
.
谱的滚动点是根据下列的谱表示之一计算的,如光谱描述输入财产:
要设置光谱衰减点提取的参数,请使用setExtractorParams
:
setExtractorParams (aFE“spectralRolloffPoint”,“名称”,值)
“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,门槛
默认为0.95
.
数据类型:逻辑
光谱亮度
- - - - - -提取光谱偏度假
(默认)|真正的
spectralSlope
- - - - - -提取光谱斜率假
(默认)|真正的
spectralSpread
- - - - - -提取光谱扩散假
(默认)|真正的
球场
- - - - - -提取沥青假
(默认)|真正的
提取节距,指定为真正的
或假
.
设置音高提取的参数,使用setExtractorParams
:
setExtractorParams (aFE“节”,“名称”,值)
“方法”
——用于计算音高的方法,指定为由逗号分隔的对组成“方法”
和“产品环境足迹”
,“NCF”
,“CEP”
,“韩”
或“SRH”
.如果未指定的,方法
默认为“NCF”
.有关可用的音高提取方法的描述,请参见球场
.
“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”
——中值滤波器长度,用于随时间平滑的基音估计,指定为逗号分隔对组成“MedianFilterLength”
一个正整数。如果未指定的,中间过滤器长度
默认为1
(无中值滤波)。
数据类型:逻辑
harmonicRatio
- - - - - -提取谐波比率假
(默认)|真正的
提取谐波比,指定为真正的
或假
.
数据类型:逻辑
摘录 |
提取音频特征 |
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器参数 |
generateMATLABFunction |
创造MATLAB与C/C++代码生成兼容的函数 |
读入音频信号。
[audioIn, fs] = audioread (“Counting-16-44p1-mono-15secs.wav”);
创建一个audioFeatureExtractor
对象,该对象提取音频信号的MFCC、增量MFCC、增量MFCC、基音和频谱质心。使用重叠20毫秒的30毫秒分析窗口。
aFE=音频特征提取程序(...“SampleRate”fs,...“窗口”汉明(圆(0.03 * fs),“周期”),...“OverlapLength”而圆(0.02 * fs),...“mfcc”符合事实的...“mfccDelta”符合事实的...“mfccDeltaDelta”符合事实的...“节”符合事实的...“光谱阵”,真正的);
调用摘录
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 = info (aFE)
idx=结构体字段:mfcc: [1 23 4 5 6 7 8 9 10 11 12 13] mfccDelta: [14 15 16 17 18 19 20 21 22 23 24 25 26] mfccDeltaDelta: [27 28 29 30 31 32 33 34 35 36 37 38 39] spectralCentroid: 40 pitch: 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(功能,1));情节(t)特性(:,idx.pitch))标题(“投球”)xlabel(“时间(s)”) ylabel (的频率(赫兹))
创建指向audio Toolbox®附带的音频样本的音频数据存储。
文件夹= fullfile (matlabroot,“工具箱”,“音频”,“样本”);ads=音频数据存储(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,“44 p1”),ads.Files);ads=子集(ads,keepFile);
将数据转换为高
数组中。高
仅当使用显式请求数组时,才会对其求值收集
.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的文件数。
adsTall=高(ads)
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
对象提取mel频谱,树皮频谱,ERB频谱,和线性频谱从每个音频文件。使用默认的分析窗口和重叠长度进行频谱提取。
aFE=音频特征提取程序(“采样器”, 44.1 e3,...“melSpectrum”符合事实的...“barkSpectrum”符合事实的...“erbSpectrum”符合事实的...“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
以评估高阵列。
specsTall = cellfun (@ (x)提取(aFE x), adsTall,“UniformOutput”、假);规格=收集(specsTall);
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——- - - - - -NUM特征——- - - - - -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=numel(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
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
作为:
aFE=音频特征提取程序(...“光谱描述输入”,“巴克谱”,...“光谱阵”符合事实的...“光谱通量”符合事实的...“节”符合事实的...“harmonicRatio”符合事实的...“mfccDeltaDelta”,对)
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.
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。
行为在R2020b中改变
的audioDelta
函数现在用于计算mfccDelta
,mfccDeltaDelta
,gtccDelta
,gtccDeltaDelta
.的audioDelta
算法的启动行为与之前的算法不同。用于计算增量的默认窗口长度已从2
到9
.的窗长2
已不再支持。金宝app
使用注意事项及限制:
您不能直接从audioFeatureExtractor
.通过返回的函数可以生成C/ c++代码generateMATLABFunction
.
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。