斜率判別聲音

說話跟語音的幅度情況

說話

純音樂-classic

差不太多

讀取語音數據得到幅度圖

斜率

從0往兩邊依次求出相鄰區間的斜率

根據得到的區間頻數和區間中點值來算出兩兩斜率

對比說話跟純音樂曲線

幅頻曲線

說話斜率變化比較小

推測（錯了

根據概率分布直方圖，依次求出右半部份兩兩相間的斜率。再求斜率的均值。

1.讀取數據為：普通話等級考試

共11個

測得結果

語音占比為 72.727273%

2.讀取數據為：classic-純音樂

共100個。

測得結果

語音占比為 24.000000%

3.但是音樂加入了歌聲

數據為：hip-pop

共100個

測得結果

語音占比為 96.000000%

4.調低均值（mean? .測得數據會好點，但都會說話跟純音樂都會降低。

求函數，根據斜率，看凹凸性？

擬合出來函數，然后求其倒數，看凹凸性？

1.用自己得出的函數

推測部分

2.用matlab自帶的工具擬合，計算

未果，還沒把函數搞出來

調值改變其占比。

斜率判別聲音2

meanfreq ：平均頻率，頻率以幅度為權值的加權平均值

sd ：頻率幅度加權的標準偏差

直方圖

普通話

鋼琴

頻率分布圖

說話

鋼琴

合起來

藍色為說話，紅色為音樂

? x軸為幅度，y軸為個數的對數：

（帶入其他音樂看看效果

頻率分布：

[外鏈圖片轉存失敗(img-6nAn084n-1563360355009)(D:\matlab\assets\頻率分布點圖.jpg)]

平均斜率分布：

[外鏈圖片轉存失敗(img-qNYHW4c1-1563360355010)(D:\matlab\assets\斜率分布.jpg)]

標準差分布：

[外鏈圖片轉存失敗(img-u8i5fbiO-1563360355010)(D:\matlab\assets\方差.jpg)]

擬合

伽瑪函數是最匹配語音信號的，用其來測試凹凸性分辨語音跟音樂

這是伽瑪擬合

[外鏈圖片轉存失敗(img-d6WJf3sM-1563360355010)(assets/伽瑪擬合.jpg)]

對數形式

[外鏈圖片轉存失敗(img-5zzNGQOn-1563360355011)(assets/伽瑪擬合對數.jpg)]

帶入所有數據

其他是包含說話的音樂

[外鏈圖片轉存失敗(img-j7PaO1aP-1563360355013)(assets/所有數據的伽瑪擬合.jpg)]

導入所有數據求其二階導數

（編程上，求導遇到問題

單個音頻的二階導對比

[外鏈圖片轉存失敗(img-dsxApBrX-1563360355013)(assets/單個音頻對比二階導.jpg)]

語音：紅色為原始信號，藍色為求導后的信號，音樂同理

[外鏈圖片轉存失敗(img-LI7J9sCU-1563360355014)(assets/說話求導對比.jpg)]

[外鏈圖片轉存失敗(img-SIUo6leH-1563360355015)(assets/音樂對比.jpg)]

差不多

代碼

%求導 clear ; clc; syms o; data=audioread('030.wav'); [n,x]=hist(data,100); a=std(data); k=sqrt(3)/2*std(data); g=sqrt(k)/(2*sqrt(pi)*a)*exp(-k*abs(o))/sqrt(abs(o)); gd=diff(g,2); for i=1:length(x)y(i)=subs(gd,x(i)); end plot(x,y)

同一張圖上：

[外鏈圖片轉存失敗(img-xM67gStv-1563360355015)(assets/語音音樂求導對比圖.jpg)]

[外鏈圖片轉存失敗(img-mMmSucQW-1563360355016)(assets/語音音樂說話求導對比圖.jpg)]

（數據要算時先要經過數據處理，沒有處理的算出來不對

根據幅度加權

不擬合，直接來判斷

單個音頻斜率點圖，對比

[外鏈圖片轉存失敗(img-sLasOl7w-1563360355016)(assets/單個音頻頻率點圖.jpg)]

全部數據的點圖

[外鏈圖片轉存失敗(img-yp3wMWFY-1563360355017)(assets/全部點圖.jpg)]

語音比音樂在頻率較高的部分比較多。

1.直接統計這一部分判斷語音？

（有偏差。根據直方圖劃分的不同，有點偏差

2.斜率，在幅度值為0.001~0.05之間

在幅值中點的頻率離原點的距離。

（D:\matlab\測試樣本-鋼琴，普通話\縮小測試數據-歪度

3.在幅值中點的頻率離原點的距離二階導（未

偏斜度

https://wenku.baidu.com/view/cb53e7557f1922791688e8d0.html
$$\alpha =\frac{1}{N}\sum _{i=1}^N(x_i?\overline{x}{)}^3$$
反映對縱坐標的不對稱性，值越大，不對稱越厲害。

（根據數據大小，有點偏差 D:\matlab\測試樣本-鋼琴，普通話\縮小測試數據-歪度

COBB

http://www.360doc.com/content/15/0429/10/22947153_466753899.shtml

關于脊椎側彎標準測量方法

（還未

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的斜率-有问题，部分没有归一化-错了——图片保存的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。