【Day3】声音的特徵提取

梅尔倒频谱

昨天我们介绍了频谱跟梅尔频率，那有没有机会我可以把这两个结合在一起，获得更有用的资讯呢？

没有错拉

我们只要把频谱转换到梅尔刻度上就可以得到很基础的梅尔倒频谱，

幸运的是我们可以不用那麽麻烦，因为 librosa 都帮你做好了。

梅尔倒频谱系数

有了梅尔倒频谱之後，我们还是能够继续简化它，梅尔倒频谱系数就是一组用来建立梅尔倒频谱的关键系数，它通常是 13 维的资料

这是因为丢弃高维的系数，就像是一个低通滤波器，可以使讯号平滑化，增进语音处理的性能

取得系数的方法，如果你想要自己算的话，就是把梅尔倒频谱再做一次倒频谱，但 librosa 已经帮你做好了

(更详细的作法，你可以参考这篇)

mfcc = librosa.feature.mfcc(wave,sr=sr, n_mfcc=13)

你也可以随时把它转回来

 librosa.feature.inverse.mfcc_to_mel(mfcc)

过零率

过零率是指一个信号的正负号变化的比率，这个特徵在音乐分类的任务上是敲击声的关键特徵

实际看一下资料就可以感受到了

频谱质心

它可以用来表达每个音框的频率分布以及趋势，每个音框都会计算出一个特徵值，

在分析一段声音时，我们通常将音讯切成比较短的单位，就叫音框

如果这个值越低就说明越多的能量在低频，反之亦然。

实际看一下资料就可以感受到了

librosa.feature 里头还有一些其他 feature，但比较难去找实际的资料来说明，像是 Tonnetz 这个可能跟乐理以及音调有关系。

小结

今天我们学到了一些声音的特徵，还有提取的方法，那明天就来实作一个简单的音乐分类器吧!