一、背景

音頻信號(hào)可分為民歌、古箏、搖滾和流行4類(lèi)，每一類(lèi)數(shù)據(jù)有200個(gè)音樂(lè)數(shù)據(jù)。
我們先從時(shí)域角度進(jìn)行簡(jiǎn)單的特征選擇，即采用前150種數(shù)據(jù)作為樣本進(jìn)行簡(jiǎn)單的平均，得到4類(lèi)信號(hào)的特征，進(jìn)而進(jìn)行特征識(shí)別。
具體的算法描述：
第一步：載入信號(hào)，選出樣本和測(cè)試數(shù)據(jù)。
第二步：用各類(lèi)樣本的平均值作為該類(lèi)的特征，此為時(shí)間域特征。
第三步：用測(cè)試數(shù)據(jù)與各類(lèi)特征的歐幾里得距離判斷是否屬于該類(lèi)，進(jìn)行特征識(shí)別，計(jì)算識(shí)別率。

二、測(cè)試結(jié)果

4類(lèi)信號(hào)時(shí)間域上的特征如圖1所示，特征識(shí)別的結(jié)果如表1所列。

圖1 四類(lèi)信號(hào)的時(shí)間域特征

由表1看到平均識(shí)別率為93%。時(shí)間域的識(shí)別率可以接受。

可進(jìn)一步研究采用小波分析的手段對(duì)其進(jìn)行特征提取與分類(lèi)。

三、基于小波變換的音頻信號(hào)頻譜特征提取

3.1 算法描述

具體的算法描述：
第一步：選擇連續(xù)小波變換的尺度，即a的取值范圍。
第二步：進(jìn)行連續(xù)小波變換，提取信號(hào)特征。
第三步：選取各類(lèi)樣本，計(jì)算平均連續(xù)小波變換特征，作為該類(lèi)特征。
第四步：用測(cè)試數(shù)據(jù)與各類(lèi)特征的歐幾里得距離判斷是否屬于該類(lèi)，進(jìn)行特征識(shí)別，計(jì)算識(shí)別率。
第五步：調(diào)整尺度a的范圍，進(jìn)一步提高識(shí)別率。

3.2 結(jié)果分析

下圖給出了4類(lèi)音樂(lè)在尺度a=1:4:32上的平均連續(xù)小波特征。尺度選擇為a=1:4:32，對(duì)應(yīng)的識(shí)別率如表2所列，平均識(shí)別率78.5%；如果改變尺度選擇為a=1:1:3，對(duì)應(yīng)的識(shí)別率如表3所列，平均識(shí)別率95.5%。由此看出，連續(xù)小波特征可以提供更多的特征選擇，在尺度選擇的過(guò)程中，我們發(fā)現(xiàn)在這4類(lèi)音頻信號(hào)的識(shí)別中，小尺度信號(hào)特征作為特征有更大的區(qū)分度，適合識(shí)別。

四、資源獲取

相關(guān)資源，可私信博主獲取。

總結(jié)

以上是生活随笔為你收集整理的【Matlab代码】基于小波分析的音频信号的特征识别的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。