---------------------------------------
Theodoros Giannakopoulos
http:/www.di.uoa.gr/~tyiannak
---------------------------------------
特征提取（如大多数模式识别问题）可能是音频分类任务中最重要的一步。提供的MATLAB代码计算存储在WAV文件中的声音组的一些基本音频功能。此外，基于特征直方图的简单类可分离性度量用于测量每个功能用于分类给定类的能力。因此，您可以使用所提供的M文件来计算音频分类问题的功能（即特定的音频类），并了解这些功能在特定的分类任务中的“良好”。

The features are calculated in a two-step way:

特别是，为每个音频段提取以下音频功能和各自的统计信息：
功能统计
能量熵标准偏差（STD）
通过平均值（平均）比率的信号能量std
零交叉率性病
Spectral Rolloff Std
光谱质心std
频谱通量性病按平均比率

In order to compute the 6 feature statistics for a specific .wav file, you can use the computeAllStatistics(fileName, win, step).

计算功能后，

a) the histograms of each feature for all classes are estimated

b）一种简单的算法用于估计音频类的可分离性。换句话说，描述了如何“轻松”将功能分类的度量。在多类分类问题的情况下，计算了与所有其他类别相对的每个类别，即计算每个类的度量值。该算法在//www.tianjin-qmedu.com/matlabcentral/fileexchange/loadFile.do?objectId=18791&objectType=FILE＃。

例子：

该演示的主要功能是ComputeFeaturesDirectory（）。唯一的回收参数是一个单元格数组，其中包含了存储各个类的.WAV文件的目录名称。例如，假设您有三个名为音乐，语音和噪音的文件夹，每个文件夹都包含带有相关音频内容的WAV文件（即包含音乐，语音和噪音的片段文件）。为了计算这些文件的音频功能，只需写入：

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

Theodoros Giannakopoulos
http:/www.di.uoa.gr/~tyiannak

* * * * * * * * * * * * * * * * * * * * * * *
重要更新：
More advanced audio analysis methods can be found in the MATLAB AUDIO ANALYSIS LIBRARY (//www.tianjin-qmedu.com/matlabcentral/fileexchange/45831-matlab-audio-analysis-library）这是音频分析简介的一部分：MATLAB方法（http://www.amazon.com/Introduction-Audio-Analysis-MATLAB%C2%AE-Approach/dp/0080993885）
* * * * * * * * * * * * * * * * * * * * * * *