특징 추출
멜 스펙트로그램, MFCC, 피치, 스펙트럼 설명자
머신러닝 또는 딥러닝 시스템에 대한 입력으로 사용할 오디오 신호에서 특징을 추출합니다. 개별 함수(예: melSpectrogram
, mfcc
, pitch
, spectralCentroid
)를 사용하거나 audioFeatureExtractor
객체를 사용하여 중복 계산을 최소화하는 특징 추출 파이프라인을 만듭니다. Simulink®의 오디오 신호에서 특징을 추출하려면 Mel Spectrogram 및 MFCC와 같은 블록을 사용하십시오. 라이브 스크립트에서는 오디오 특징 추출을 사용하여 추출할 특징을 시각적으로 선택하십시오.
객체
audioFeatureExtractor | Streamline audio feature extraction |
ivectorSystem | Create i-vector system (R2021a 이후) |
라이브 편집기 작업
오디오 특징 추출 | 라이브 편집기에서 오디오 특징 추출 간소화 |
함수
블록
Audio Delta | Compute delta features (R2022b 이후) |
Auditory Spectrogram | Extract mel, Bark, or ERB spectrogram from audio (R2022a 이후) |
Cepstral Coefficients | Extract cepstral coefficients from spectrogram (R2022b 이후) |
Design Auditory Filter Bank | Design frequency-domain auditory filter bank (R2022a 이후) |
Design Mel Filter Bank | Design frequency-domain mel filter bank (R2022a 이후) |
Mel Spectrogram | Extract mel spectrogram from audio (R2022a 이후) |
MFCC | Extract mel-frequency cepstral coefficients from audio (R2022b 이후) |
도움말 항목
- Feature Selection for Audio Classification
Perform audio feature selection to select a feature set for either speaker recognition or word recognition tasks.
- Extract Features from Audio Data Sets
Use different methods of extracting features from an audio data set.
- Spectral Descriptors
Overview and applications of spectral descriptors.
- Learn Pre-Emphasis Filter Using Deep Learning
Use a convolutional deep network to learn a pre-emphasis filter for speech recognition. (R2021b 이후)