特征提取（Feature Exaction）的重要性，就不用多说了。
对于音频信号，按时间分辨率、按局部or全局的观念、持续时间长短，或者爱怎么讲怎么讲，特征可分为长期（long-term）、中期（mid-term）、短期（short-term），也可以叫短时特征。术语翻译不统一，我也不专业。知道英文术语就好。
短时能量、功率是有点瞬时功率的概念，但又没有那么“瞬时”。大概是按帧在做计算。
短时功率在计算的时候，把每一帧的能量还要处理该帧的长度，量纲上等于[Watt]。
有时候，要把线性尺度的短时能量和短时功率换算成对数尺度，分贝（dB），还要对最大值进行归一化，换算成相对强度，让最大值为0dB。
短时过零率（short-term zero corss rate，st-ZCR），大概是从时域上描述信号频率吧，也是按帧计算。声母的ZCR高一些，韵母的要低一些。噪声的话，不太确定了。大概好像要是比韵母高。和声母，我还不太清楚。
大致的代码如下了。
短时能量。
function E = get_st_energy( x,fs,wlen_time,step_time,win_type,energy_unit )%function zcr = get_st_energy( x,fs,wlen_time,step_time,win_type,energy_unit )% 获取短时能量（没有除以帧长，所以不是计算的功率）。% 输入参数% x：语音信号 --> 单声道% fs：采样速率% wlen_time：窗口时间（s）% step_time：步进时间（s）% win_type：'hamming','hanning',...,默认'hamming'% energy_unit：'dB'，以归一化的能量显示 （单位：dB）。否则是线性刻度。% 返回参数% E：短时能量（横坐标是帧序号）% 作者：qcy% 版本：v1.0% 版本说明：计算短时能量。% 如果分帧时，不能整除，则抛弃最后一帧，不予以计算% 时间：10月31日21:21:23wlen = round(wlen_time * fs);nstep = round(step_time * fs);if nargin < 5win = hamming(wlen);elseif nargin == 5if strcmp(win_type, 'hamming')win = hamming(wlen);elseif strcmp(win_type, 'hanning')win = hanning(wlen);elsewin = hamming(wlen);endelsewin = hamming(wlen);endnFrames = floor((length(x) - wlen)/nstep) + 1; % 总帧数E = [];for k = 1:nFramesidx = (k-1) * nstep + (1:wlen);x_sub = x(idx) .* win;E(k) = sum(x_sub.^2); end% 是否需要化成dBif nargin == 6if strcmp(energy_unit, 'dB') E = 10*log10(E/max(E)+eps);endendend
短时过零率。
function zcr = get_st_zcr( x,fs,wlen_time,step_time,win_type )%function zcr = get_st_zcr(x,fs,wlen_time,step_time,win_type )% 获取短时过零率。% 输入参数% x：语音信号 --> 单声道% fs：采样速率% wlen_time：窗口时间（s）% step_time：步进时间（s）% win_type：'hamming','hanning',...,默认'hamming'% 返回参数% zcr：短时过零率（横坐标是帧序号）%% 作者：qcy% 版本：v1.0% 版本说明：计算短时过零率。% 如果分帧时，不能整除，则抛弃最后一帧，不予以计算% 时间：10月31日21:08:22if(min(size(x))>1) % 如果不是单声道% ...endwlen = round(wlen_time * fs);nstep = round(step_time * fs);if nargin < 5win = hamming(wlen);elseif narmin == 5if strcmp(win_type, 'hamming')win = hamming(wlen);elseif strcmp(win_type, 'hanning')win = hanning(wlen);elsewin = hamming(wlen);endelsewin = hamming(wlen);endnFrames = floor((length(x) - wlen)/nstep) + 1; % 总帧数zcr = [];for k = 1:nFramesidx = (k-1) * nstep + (1:wlen);x_sub = x(idx) .* win;x_sub1 = x_sub(1:end-1);x_sub2 = x_sub(2:end);zcr(k) = sum(abs(sign(x_sub1) - sign(x_sub2))) / 2 / length(x_sub1); endend
以后，会把这两个特征用于语音端点检测中。
比如得到下面这张图。
如果觉得《音频信号特征提取（1）：短时特征之短时能量 短时功率 短时过零率》对你有帮助，请点赞、收藏，并留下你的观点哦！
