Matlab的：在音频数据的帧寻找主频率(Matlab: Finding dominant freq

我非常新的Matlab和我想写一个简单的基于频率的语音检测算法。最终的目标是运行在一个wav文件中的脚本，并将其输出的开始/结束时间为每个语音段。如果使用的代码：

fr = 128;
[ audio, fs, nbits ] = wavread(audioPath);
spectrogram(audio,fr,120,fr,fs,'yaxis')

我得到一个有用的频率强度对这样的时间图：

通过观察它，它很容易看到，当出现语音。可以写一个算法通过查看每个x轴架，找出哪些频率主导来自动检测处理（具有最高的强度），检测主频率，以查看是否足够都是高于一定强度阈值（该黄色和红色的曲线图），然后之间差异标记该帧为语音或非语音。一旦帧被标记，这将是简单获取开始/结束时间为每个语音段。

我的问题是，我不知道如何访问这些数据。我可以使用代码：

[S,F,T,P] = spectrogram(audio,fr,120,fr,fs);

获得频谱的所有功能，但该代码的结果没有任何意义，我。在S的边界，F，T，P的阵列和矩阵不相关的任何东西我在图中看到。我已经通过了帮助文件和API看，但我感到困惑时，他们开始四处算法名称和缩略语投掷 - 我的DSP的背景是相当有限的。

我怎么能获得频率强度值的这种频谱分析的每一帧的阵列？我可以从那里弄清楚休息了，我只需要知道如何获得相应的数据。

Answer 1:

你所要做的是所谓的语音活动检测 。有许多方法这一点，最简单的可能是一个简单的带通滤波器，即通过频率处的讲话是最强的，这为1kHz和8kHz的之间。然后，您可以用有限的带通比较总信号能量，如果大部分能量是在话音频带，划分帧讲话。这是一种选择，但也有其他人了。

为了获得在峰的频率，你可以使用FFT来获得频谱，然后使用peakdetect.m 。但是，这是一个非常幼稚的做法，因为你会得到很多山峰，属于基本正弦波的谐波频率。

理论上应该使用某种倒频谱（也称为光谱的光谱），这降低了在光谱基频谐波周期性，然后使用与PEAKDETECT。或者，你可以使用现有的工具，即做到这一点，如普瑞特。

要知道，语音分析通常是在大约30毫秒帧进行，在10毫秒步进。通过确保在共振峰N个连续帧被检测到，你可以进一步滤除错误检测。

Answer 2:

你为什么不使用fft用`fftshift ：

  %% Time specifications:
   Fs = 100;                      % samples per second
   dt = 1/Fs;                     % seconds per sample
   StopTime = 1;                  % seconds
   t = (0:dt:StopTime-dt)';
   N = size(t,1);
   %% Sine wave:
   Fc = 12;                       % hertz
   x = cos(2*pi*Fc*t);
   %% Fourier Transform:
   X = fftshift(fft(x));
   %% Frequency specifications:
   dF = Fs/N;                      % hertz
   f = -Fs/2:dF:Fs/2-dF;           % hertz
   %% Plot the spectrum:
   figure;
   plot(f,abs(X)/N);
   xlabel('Frequency (in hertz)');
   title('Magnitude Response');

为什么你想使用复杂的东西？

一个很好的和完整的解决方案可以发现https://dsp.stackexchange.com/questions/1522/simplest-way-of-detecting-where-audio-envelopes-start-and-stop