Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...

Kapitel 3
Extraktion von Audio-Features
Auf den ersten Blick beinhalten Audiosignale nur eine Information: die Amplitude über die
Zeit (die Wellenform des Signals). Es gibt aber noch eine Vielzahl von anderen Eigenschaften,
die sich aus dem zeitlichen Verlauf des Signals ermitteln lassen. Hierzu gehören beispielsweise
der Verlauf der Energie und der Nulldurchgangsrate, das Frequenzspektrum sowie im Falle von
Sprachsignalen der Pitch-Verlauf.
Zunächst wird in Kapitel 3.1 das sogenannte Windowing eingeführt. Dieses Konzept ist
elementar und Voraussetzung für alle Analysetechniken, die in diesem Kapitel verwendet
werden. Die Kapitel 3.2, 3.3 und 3.4 stellen drei sogenannte Audio-Features des Audiosignals
vor, die extrahiert werden können, um hiermit high level-Informationen zu erzeugen. Die ersten
zwei Signaleigenschaften, short-term energy und short-term zero crossing rate, sind sehr einfach
zu ermittelnde Features, während die dritte Eigenschaft, Pitch (Fundamentalfrequenz), einen
höheren Aufwand erfordert. Die einzelnen, mittels Windowing, extrahierten Audio-Features
werden dann geeignet kombiniert, um Informationen auf höherem Level zu generieren.
3.1 Windowing / Frames
In allen praktischen Signalverarbeitungsanwendungen muß mit kurzen Ausschnitten des zu verarbeitenden
Signals gearbeitet werden. Dies trifft vor allen Dingen dann zu, wenn herkömmliche
Analysetechniken auf nichtstationäre Signale angewendet werden sollen. Beispielsweise sind
Sprachsignale solche nichtstationären Signale. In diesem Fall muß ein Teil des Signals ausgewählt
werden, der berechtigterweise als stationär angenommen werden kann.
3.1.1 Windowing
Ein Fenster (engl.:
Window) ist eine reelle, endliche Folge, die benutzt wird, um einen
gewünschten Ausschnitt aus dem Originalsignal auszuwählen. Dies geschieht durch eine
40