【学习笔记】Task3 食物声音识别-音频数据特征提取

参考资料

Datawhale Github官方代码
MFCC特征提取
Datawhale直播

特征提取背景

在之前的Task2中，我们初步查看了数据集的信息，并通过音频的声波图和声谱图将声音可视化了。当我们拿到这些音频数据之后，接下来就需要进行特征提取（过滤掉背景噪音等不需要的信息）筛选出我们需要的信息了。

接下来我们将简要介绍以下特征，并详细学习MFCC特征提取知识：

• 过零率 （Zero Crossing Rate）
• 频谱质心 （Spectral Centroid）
• 声谱衰减 (Spectral Roll-off）
• 梅尔频率倒谱系数 （Mel-frequency cepstral coefficients ，MFCC）
• 色度频率 （Chroma Frequencies）

1、过零率是一个信号符号变化的比率，即，在每帧中，语音信号从正变为负或从负变为正的次数。 这个特征已在语音识别和音乐信息检索领域得到广泛使用，通常对类似金属、摇滚等高冲击性的声音的具有更高的价值。一般情况下，过零率越大，频率近似越高。
（虽然是率，但是它指的是次数！&