MATLAB音频信号特征提取与分析算法库

资 源 简 介

本项目是一个专门用于音频信号处理和分析的MATLAB代码集合，旨在从原始音频数据中提取关键的声学特征。该代码库实现了完整的信号处理流水线，包括音频文件的读取、预处理（如去噪、预加重）、分帧以及加窗处理。核心功能详细涵盖了时域和频域特征的计算：在时域方面，代码能够精确计算短时能量（Short-Time Energy）以反映音量变化，以及过零率（Zero Crossing Rate）用于区分清音与浊音或环境噪声；在频域方面，利用短时傅里叶变换（STFT）提取谱质心（Spectral Centroid）、谱带宽（Spectral Bandwidth）、谱滚降点（Spectral Rolloff）和谱通量（Spectral Flux），这些特征对于音色分析至关重要。此外，项目重点实现了梅尔频率倒谱系数（MFCC）的提取算法，这是语音识别、说话人辨认及音乐流派分类等机器学习任务中最常用的特征向量。系统支持批量处理音频文件，并提供可视化功能，能够绘制特征随时间变化的曲线图，最终将提取的数据导出为标准格式（如MAT或CSV），方便后续的数据挖掘与建模工作。

详 情 说 明

基于MATLAB的基础音频特征提取工具库

项目简介

本项目是一个专注于音频信号处理与分析的MATLAB代码实现。它旨在提供一套完整的音频特征提取流水线，能够从原始音频数据中计算多种关键的声学特征。该工具库不仅涵盖了基础的信号预处理，还深入实现了时域、频域以及倒谱域（MFCC）的核心特征计算。

本项目当前配置为演示模式，内置了合成信号生成逻辑，方便用户在无需外部音频文件的情况下直接运行并验证算法。提取的特征数据可广泛应用于语音识别、环境声音分类、音乐流派分析等机器学习任务的数据预处理阶段。

功能特性

该工具库实现了以下核心功能：

• 自动信号生成：内置测试信号生成器，包含扫频信号（Chirp）、静音段和白噪声，用于全面测试特征提取算法的响应。
• 信号预处理：包含单声道转换、预加重滤波器。
• 分帧与加窗：支持自定义帧长和帧移，采用汉明窗（Hamming Window）减少频谱泄露。
• 时域特征提取：

* 短时能量（Short-Time Energy） * 过零率（Zero Crossing Rate, ZCR）

• 频域特征提取 (基于STFT)：

* 谱质心 (Spectral Centroid) * 谱带宽 (Spectral Bandwidth) * 谱滚降点 (Spectral Rolloff) * 谱通量 (Spectral Flux)

• 倒谱特征提取：

* 梅尔频率倒谱系数 (MFCC)

• 数据可视化：提供包含原始波形、时域特征曲线、声谱图叠加质心轨迹以及MFCC热力图的综合分析图表。
• 数据导出：自动将所有计算结果封装并保存为 .mat 标准格式文件。

系统要求

• MATLAB R2016a 或更高版本（建议）
• Signal Processing Toolbox（用于 chirp, spectrogram, dct, hamming 等函数）

使用方法

1. 确保MATLAB环境已安装并包含信号处理工具箱。
2. 直接运行主函数。
3. 程序将自动执行以下步骤：

* 生成合成测试音频。 * 执行完整的特征提取流程。 * 弹出一个包含四个子图的分析窗口，展示波形和提取的特征。 * 在当前目录下生成 audio_features.mat 文件，包含计算出的所有以结构体存储的数据。

详细实现逻辑与算法分析

本项目严格按照数字信号处理的流水线进行实现，以下是代码中各个关键模块的详细实现逻辑：

1. 参数配置与信号获取

代码首先定义了采样率（44100 Hz）和帧参数（帧长25ms，帧移10ms）。

• 演示信号生成：未直接读取外部文件，而是调用内部子函数生成了一个2秒的混合信号。

* 0-1秒：0Hz到1000Hz的线性扫频信号（Chirp），用于测试频率特征的追踪能力。 * 1-1.5秒：静音段，用于测试能量和噪声门限。 * 1.5-2秒：高斯白噪声，用于测试宽带信号特性。

• 声道处理：包含逻辑判断，若输入为立体声，通过计算名为平均值的方式转换为单声道。

2. 预处理

• 预加重：使用系数为 0.97 的一阶FIR高通滤波器 H(z) = 1 - 0.97z^{-1}。这一步旨在提升高频分量的能量，平衡频谱倾斜，为后续的MFCC提取做准备。

3. 分帧与加窗机制

• 手动分帧：代码未直接调用封装函数，而是通过循环索引的方式，根据计算出的帧长（Frame Length）和帧移（Frame Hop），从原始信号中截取数据段。
• 汉明窗：对每一帧数据点乘汉明窗（Hamming Window），以平滑帧边缘，减少傅里叶变换时的旁瓣效应。

4. 特征提取核心算法

#### A. 时域特征

• 短时能量 (STE)：计算每一帧内信号幅度的平方和，反映音频的强弱变化。
• 过零率 (ZCR)：计算帧内信号穿过零电平的次数。算法通过一阶差分检测符号变化，并除以两倍帧长进行归一化，常用于区分清音（高ZCR）和浊音（低ZCR）。

#### B. 频域特征 (基于FFT) 对每一帧进行N点FFT（N=512或大于帧长的2的幂次），取前一半（Nyquist频率以下）计算幅度谱和功率谱。

• 谱质心 (Spectral Centroid)：以频率为权重的幅度谱加权平均值，代表声音的“亮度”或平均频率。
• 谱带宽 (Spectral Bandwidth)：以谱质心为中心的加权标准差，反映频谱的分布宽度。
• 谱滚降点 (Spectral Rolloff)：寻找一个频率点，使得该频率以下的能量累积达到总能量的85%。该特征用于区分具有不同高频能量分布的声音。
• 谱通量 (Spectral Flux)：计算相邻两帧幅度谱向量之间的欧几里得距离（L2范数），用于检测音符起始点或信号突变。

#### C. MFCC (梅尔频率倒谱系数) 实现了标准的MFCC提取流程：

1. 梅尔滤波器组：自定义函数构建了一个包含26个三角滤波器的滤波器组。映射关系利用公式 2595 * log10(1 + f/700) 将线性频率转换为梅尔刻度频率，在Mel频域上等间距分布，再映射回线性频率以确定三角滤波器的边界。
2. 滤波：将功率谱与滤波器组矩阵相乘，得到梅尔频带能量。
3. 对数能量：对梅尔能量取自然对数，模拟人耳对响度的非线性感知。
4. 离散余弦变换 (DCT)：对对数能量进行DCT变换，去除相关性。
5. 系数截断：仅保留DCT输出的前13个系数作为最终的MFCC特征向量。

5. 可视化模块

利用 figure 和 subplot 创建综合图表：

• 子图1：绘制原始音频信号的时域波形。
• 子图2 (双Y轴)：左轴显示短时能量，右轴显示过零率，直观对比两者的时变特性。
• 子图3：使用MATLAB内置 spectrogram 绘制声谱图，并将计算出的“谱质心”曲线以黑色虚线叠加在上方，展示特征与频谱分布的一致性。
• 子图4：使用 imagesc 绘制MFCC系数的热力图，X轴为时间，Y轴为系数索引（1-13）。

6. 数据导出

最终结果被封装在一个结构体中，保存为 audio_features.mat。

• sample_rate: 采样率
• time_domain: 包含 short_time_energy 和 zero_crossing_rate
• freq_domain: 包含 spectral_centroid, spectral_bandwidth, spectral_rolloff, spectral_flux
• mfcc: 13维MFCC矩阵