---------------------------------------
塞奥佐罗斯Giannakopoulos
HTTP：/www.di.uoa.gr ~ tyiannak
---------------------------------------
特征提取(在大多数模式识别问题中)可能是音频分类任务中最重要的一步。所提供的Matlab代码为存储在WAV文件中的声音组计算一些基本的音频特性。此外，基于特征直方图的一种简单的类可分性度量方法用于测量每个特征用于对给定类进行分类的能力。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(即特定的音频类)，并了解这些特征对于特定的分类任务“有多好”。

其特点是计算在两个步骤的方法：

特别地，为每个音频段提取了以下音频特征和相应的统计数据:
特征统计
能量熵标准差(std)
信号能量标准的平均比率
过零率Std
频谱滚降标准
频谱质心性病
光谱通量标准的平均比率

为了计算特定.wav文件的6点功能的统计数据，你可以使用computeAllStatistics（文件名，赢了，步骤）。

计算特征后，

一个）的每个特征的所有类的直方图估计

一个简单的算法被用来估计音频类的可分离性。换句话说，一种描述特征将如何“容易”分类的度量。在多类分类问题的情况下，计算每个类相对于所有其他类的度量，即为每个类计算一个度量值。文中详细描述了该算法//www.tianjin-qmedu.com/matlabcentral/fileexchange/loadFile.do?objectId=18791&objectType=FILE#．

例子:

这个演示的主要函数是computeFeaturesDirectory()。唯一需要的参数是一个单元格数组，其中包含存储各自类的.wav文件所在目录的名称。例如，假设您有三个名为MUSIC、SPEECH和NOISE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、SPEECH和NOISE片段的wav文件)。为了计算这些文件的音频特征，只需写:

>> F = computeFeaturesDirectory（{ '音乐'， '语音'， '噪声'}）;

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

* * * * * * * * * * * * * * * * * * * *
重要更新:
更先进的音频分析方法，可以在MATLAB音频分析库中找到（//www.tianjin-qmedu.com/matlabcentral/fileexchange/45831-matlab-audio-analysis-library)，这是《音频分析导论:MATLAB方法》(http://www.amazon.com/Introduction-Audio-Analysis-MATLAB%C2%AE-Approach/dp/0080993885）
* * * * * * * * * * * * * * * * * * * *