frontopenshort的语音特征

基于基音频率的特征，包含Jitter，基音频率的包络，基音频率的线性预测系数。

共振峰特征，包含一阶共振峰，二阶共振峰，以及共振峰的带宽等。

基于能量的特征，包含 shimmer，4 阶Legendre 参数等。

时间特征，包含说话部分和不说话部分的比值，最长说话的时间等。

发音清晰程度的特征。

声音级别：信号幅度，能量被证明与声音级别有很大的关系。

短语，音素，单词以及这些特征的边界。

时间结构。

2.谱特征

短时连贯性(Short Time Coherence，SMC)

过零幅度峰值(Zeros Crossing Peak Amplitude，ZCPA)

线性预测倒谱系数(Linear Predictor Cepstral Coefficients，LPCC)

LPC MFCC LSP PLP ，RASTA 感知线性预测倒谱系数(RASTA-PLP)

最小二乘改进Yule-Walker 方程(Least Squares Modified Yule-Walker Equations，LSMYWE)

单边自相关线性预测系数(One-sided Autocorrelation Linear PredictorCoefficients，OSALPC)

单边自相关线性预测倒谱系数(One-side Autocorrelation Linear Predictor Cepstral Coefficients，OSALPCC)

3.其他特征高祥

根据发音系统提出的基于Teager 能量算子(Teager Energy Operator，TEO)的语音特征。

根据语音属于一种非平稳的信号原理，提出的基于经验模态分解(Empirical Mode Decomposition，EMD)的语音特征。

根据语音信号的混沌程度在缓和的情胡扒绪中比较小，在激烈的情绪中比较大的原理，基于分形维(Fractal Dimension)的语音特征。

———————————————戚做搏—

版权声明：本文为CSDN博主「m0_37854651」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/m0_37854651/article/details/107403167