① 如何提取特徵三類:韻律特徵,音質特徵,mfcc參數
特徵提取
一、 low-level，主要是MFCC，以及基於MFCC並對其優化的一些方法。 1、 MFCC
2、 抗雜訊較優的方法：
WMVDR：warped minimum variance distortionless response
Multitaper MFCC:思想是用multiple windows(tapers)來代替漢明窗。
MHEC：mean Hilbert envelope coefficients.此方法對抗汽車雜訊很有用。 3、 對抗回聲較優的方法（reverberant robustness）：
FDLP: frequency domain linear prediction
4、 融合MFCC的方法（fusion with MFCC）：
SCF/SCM: spectral centroid frequency/magnitude
該方法的提出，是考慮到MFCC子帶中無法體現能量分布，而FM（frequency molation）計算量太大。
FFV: fundamental frequency variation,該方法同時考慮到了MFCC和韻律（prosodic）
信息.
HSCC: Harmonic structure cepstral coefficient,該方法體現了能量分布，實現用到了
LDA。
二、 high-level，主要是基於phone ,syllable ,word 一級。 1、 韻律特徵（prosodic features）
目前研究的有 pitch distribution和non-uniform extraction region features(NERFs) 2、 音素特徵(phonetic features)
建模可以用N-gram，也可以用SVM建模。 3、 語法特徵（lexical features）
詞一級的N-gram，建模的方法有LLR（log likelihood ration）和SVM.SVM的效果應該更好一些。 4、 cepstral-derived features
實現用最大似然線性回歸MLLR（maximum likelihood linear regression）
一些特徵： MFCC
PLP 感知線性預測 LPC 線性預測系數 過零率 LSP 短時能量 子帶流量比 亮度 基頻
頻譜峰值點 SDC CEP 線譜對 頻譜能量
Delt(MFCC)
② 語音識別特徵參數提取
你意思是已經有原始特徵集了還是要收集原始特徵集？ 如果是前者就是KL變換用的多
③ 如何從特徵參數中提取信號特徵頻率
采樣頻率越高，時域波形的細節變化越明顯，分析頻率的上限越高，反之亦然。
④ 集和幾種常用的特徵提取方法，常用的分類演算法
競爭性自適應重加權演算法（CARS）是通過自適應重加權采樣（ARS）技術選擇出PLS模型中回歸系數絕對值大的波長點，去掉權重小的波長點，利用交互驗證選出RMSECV指最低的子集，可有效尋出最優變數組合。
⑤ 地物特徵遙感信息提取和分類方法研究的意義與目的
遙感影像提供了目標區域的極為豐富的、復雜的大量數據，其反映了農、林、水、土、礦產、能源、海洋等各種地表信息。但是由於每個象元同時包含有不同地物在水平和垂直方向上交叉重疊的波譜特徵，而且這些特徵也僅代表地物的局部性質，使影像與地物之間存在某些對應關系，即所謂遙感影像的多解性。影像處理的最終目的是確定影像上的某些目標與地物之間的對應關系。從而達到認識地物狀態的目的。
現階段遙感影像的提取任務是應用數學方法確定影像與某些地物的對應關系並匹配到人眼的觀察范圍之內。
遙感影像信息的提取技術在地質領域的應用主要表現在對岩礦信息以及岩性識別信息的提取上，主要的研究對象是地球表面地質體（例如岩石）的分布規律、物化屬性等信息的提取，目的是通過研究它們的電磁波輻射特性有效地識別地質體的物理、化學性質與運動狀態，探測地質作用發生的過程與演化機制，為開展地質構造研究、礦產資源勘查、區域地質填圖、環境和自然災害監測等工作服務。與一般地質勘查方法相比，遙感具有宏觀、快速、准確等技術優勢，因此常作為地質勘查工作的先期手段，用於大面積的遙感地質調查和專題制圖工作。
岩石是地殼主要的物質組成，是開展地球科學研究的基礎，是各種地質現象和礦產資源賦存的載體，因而岩石學是地球科學研究中最重要的基礎學科。遙感作為現代科學中一種新興的對地探測技術，理所當然地把岩性信息提取和岩石分類研究作為遙感地質學最重要的內容，成為當今遙感地質研究的前沿和焦點。隨著遙感信息獲取技術的不斷進步，高光譜解析度（納米級）和高精度空間解析度（米級）遙感數據，為岩性遙感和岩性填圖帶來了大量的新型信息和新的發展機遇，使遙感地質工作在更高水平上開拓和深化。
遙感技術的理論基礎是物理學的電磁波理論，電磁波與岩石和地層表面物質發生作用，產生岩石和地質體的特徵光譜，不同物質成分的岩石和地質體，形成不同的特徵光譜。它們在可見光、近紅外和熱紅外形成各自連續的光譜分布，光學遙感就是依據這些不同光譜分布表現出來的特徵（能量、譜形等）來探測目標的。不同物質成分構成的岩石和礦物同樣具有不同的光譜能量和譜形特徵，了解、認識了這些光譜特徵，就能夠利用遙感信息提取技術識別它們。因此，基於光譜特徵的岩性遙感信息提取與岩石分類方法研究具有重要的理論和現實意義。
在遙感應用中，岩礦信息往往因其組合共生與風化分布的復雜性、地殼覆蓋物（比如土壤）和植被的干擾、混合象元以及大氣輻射的影響而使特徵表現較弱、信息有一定的不確定性和模糊性。隨著遙感感測器性能的提高，尤其是成像光譜儀的出現，改善了信息識別與提取的技術環境。使遙感從對地物的鑒別（discrimination）發展到對地物直接識別（identification）的階段。
在遙感地質應用中，對岩礦光譜和空間分布精細特徵的探測是空間與光譜高解析度遙感的優勢所在。礦物中離子與晶格位置的差異、元素的變化，岩石中礦物成分的不同以及成生的背景環境的影響等造成岩石礦物譜形特徵各異。因此，岩礦光譜特徵，尤其是其診斷性特徵是岩礦信息識別與提取的基礎，也是遙感技術革新與開發的基石。以光譜特徵及其差異為基礎，利用相應的遙感信息處理技術可直接識別岩礦類型，劃分變質相帶，圈定礦化蝕變中心及礦化蝕變帶；根據提取的礦物（尤其是蝕變礦物）及其相對豐度分布進行共生組合與成礦關系分析，圈定成礦靶區，進行資源潛力評價。
因此，本研究立足於實驗室標准礦物光譜與地質應用的關聯分析，探討遙感岩礦（含微量元素）信息的識別、提取與量化的光譜特徵；進而基於光譜特徵知識和現代數理方法，利用ETM，MAIS，AVIRIS和PHI數據，研究和發展不同尺度下遙感岩礦信息提取的技術；探索與研建遙感岩礦信息提取優化組合模型與技術集成。
經過近30年發展，遙感技術在數據獲取技術方面得到突飛猛進的發展，圖像信息提取及分類技術都取得了長足的進步，應用領域不斷擴展，研究程度不斷加深。作為一門邊緣學科，遙感地質學必須不斷地應用新型遙感數據、引入先進的圖像處理和信息提取技術並開展新的信息分析方法研究。遙感信息一次性記錄了地質歷史過程的綜合景觀，通過遙感信息反演地質過程中某一段成礦作用所遺留下來的痕跡（構造、岩性和蝕變信息）比較困難，因為，這些信息具有信息弱、隱蔽性強、地表貧化的特點，這也造成利用遙感信息反演成礦信息時的多解性和不確定性。本文針對地質成礦信息的特點，改進和發展了三種遙感岩石岩性信息提取和分類識別的方法，在新疆哈密地區善鄯南山金礦區遙感試驗場進行了應用研究，取得了良好的效果。
⑥ 我要提取一組信號點的特徵參數，但是不知道都有哪些時域統計特徵提議提取。
有效值
峰值
峭度
偏度
短時能量
峰值因子
波形因子
脈沖因子
K因子
⑦ 圖像的特徵提取都有哪些演算法
常用的圖像特徵有顏色特徵、紋理特徵、形狀特徵、空間關系特徵。
一 顏色特徵
（一）特點：顏色特徵是一種全局特徵,描述了圖像或圖像區域所對應的景物的表面性質。一般顏色特徵是基於像素點的特徵，此時所有屬於圖像或圖像區域的像素都有各自的貢獻。由於顏色對圖像或圖像區域的方向、大小等變化不敏感，所以顏色特徵不能很好地捕捉圖像中對象的局部特徵。另外，僅使用顏色特徵查詢時，如果資料庫很大，常會將許多不需要的圖像也檢索出來。顏色直方圖是最常用的表達顏色特徵的方法，其優點是不受圖像旋轉和平移變化的影響，進一步藉助歸一化還可不受圖像尺度變化的影響，基缺點是沒有表達出顏色空間分布的信息。
（二）常用的特徵提取與匹配方法
（1） 顏色直方圖
其優點在於：它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所佔的比例，特別適用於描述那些難以自動分割的圖像和不需要考慮物體空間位置的圖像。其缺點在於：它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。
最常用的顏色空間：RGB顏色空間、HSV顏色空間。
顏色直方圖特徵匹配方法：直方圖相交法、距離法、中心距法、參考顏色表法、累加顏色直方圖法。
（2） 顏色集
顏色直方圖法是一種全局顏色特徵提取與匹配方法，無法區分局部顏色信息。顏色集是對顏色直方圖的一種近似首先將圖像從 RGB顏色空間轉化成視覺均衡的顏色空間（如 HSV 空間），並將顏色空間量化成若干個柄。然後，用色彩自動分割技術將圖像分為若干區域，每個區域用量化顏色空間的某個顏色分量來索引，從而將圖像表達為一個二進制的顏色索引集。在圖像匹配中，比較不同圖像顏色集之間的距離和色彩區域的空間關系
（3） 顏色矩
這種方法的數學基礎在於：圖像中任何的顏色分布均可以用它的矩來表示。此外，由於顏色分布信息主要集中在低階矩中，因此，僅採用顏色的一階矩（mean）、二階矩（variance）和三階矩（skewness）就足以表達圖像的顏色分布。
（4） 顏色聚合向量
其核心思想是：將屬於直方圖每一個柄的像素分成兩部分，如果該柄內的某些像素所佔據的連續區域的面積大於給定的閾值，則該區域內的像素作為聚合像素，否則作為非聚合像素。
（5） 顏色相關圖
二 紋理特徵
（一）特點：紋理特徵也是一種全局特徵，它也描述了圖像或圖像區域所對應景物的表面性質。但由於紋理只是一種物體表面的特性，並不能完全反映出物體的本質屬性，所以僅僅利用紋理特徵是無法獲得高層次圖像內容的。與顏色特徵不同，紋理特徵不是基於像素點的特徵，它需要在包含多個像素點的區域中進行統計計算。在模式匹配中，這種區域性的特徵具有較大的優越性，不會由於局部的偏差而無法匹配成功。作為一種統計特徵，紋理特徵常具有旋轉不變性，並且對於雜訊有較強的抵抗能力。但是，紋理特徵也有其缺點，一個很明顯的缺點是當圖像的解析度變化的時候，所計算出來的紋理可能會有較大偏差。另外，由於有可能受到光照、反射情況的影響，從2-D圖像中反映出來的紋理不一定是3-D物體表面真實的紋理。
例如，水中的倒影，光滑的金屬面互相反射造成的影響等都會導致紋理的變化。由於這些不是物體本身的特性，因而將紋理信息應用於檢索時，有時這些虛假的紋理會對檢索造成「誤導」。
在檢索具有粗細、疏密等方面較大差別的紋理圖像時，利用紋理特徵是一種有效的方法。但當紋理之間的粗細、疏密等易於分辨的信息之間相差不大的時候，通常的紋理特徵很難准確地反映出人的視覺感覺不同的紋理之間的差別。
（二）常用的特徵提取與匹配方法
紋理特徵描述方法分類
（1）統計方法統計方法的典型代表是一種稱為灰度共生矩陣的紋理特徵分析方法Gotlieb 和 Kreyszig 等人在研究共生矩陣中各種統計特徵基礎上，通過實驗，得出灰度共生矩陣的四個關鍵特徵：能量、慣量、熵和相關性。統計方法中另一種典型方法，則是從圖像的自相關函數（即圖像的能量譜函數）提取紋理特徵，即通過對圖像的能量譜函數的計算，提取紋理的粗細度及方向性等特徵參數
（2）幾何法
所謂幾何法，是建立在紋理基元（基本的紋理元素）理論基礎上的一種紋理特徵分析方法。紋理基元理論認為，復雜的紋理可以由若干簡單的紋理基元以一定的有規律的形式重復排列構成。在幾何法中，比較有影響的演算法有兩種：Voronio 棋盤格特徵法和結構法。
（3）模型法
模型法以圖像的構造模型為基礎，採用模型的參數作為紋理特徵。典型的方法是隨機場模型法，如馬爾可夫（Markov）隨機場（MRF）模型法和 Gibbs 隨機場模型法
（4）信號處理法
紋理特徵的提取與匹配主要有：灰度共生矩陣、Tamura 紋理特徵、自回歸紋理模型、小波變換等。
灰度共生矩陣特徵提取與匹配主要依賴於能量、慣量、熵和相關性四個參數。Tamura 紋理特徵基於人類對紋理的視覺感知心理學研究，提出6種屬性，即：粗糙度、對比度、方向度、線像度、規整度和粗略度。自回歸紋理模型（simultaneous auto-regressive, SAR）是馬爾可夫隨機場（MRF）模型的一種應用實例。
三 形狀特徵
（一）特點：各種基於形狀特徵的檢索方法都可以比較有效地利用圖像中感興趣的目標來進行檢索，但它們也有一些共同的問題，包括：①目前基於形狀的檢索方法還缺乏比較完善的數學模型；②如果目標有變形時檢索結果往往不太可靠；③許多形狀特徵僅描述了目標局部的性質，要全面描述目標常對計算時間和存儲量有較高的要求；④許多形狀特徵所反映的目標形狀信息與人的直觀感覺不完全一致，或者說，特徵空間的相似性與人視覺系統感受到的相似性有差別。另外，從 2-D 圖像中表現的 3-D 物體實際上只是物體在空間某一平面的投影，從 2-D 圖像中反映出來的形狀常不是 3-D 物體真實的形狀，由於視點的變化，可能會產生各種失真。
（二）常用的特徵提取與匹配方法
Ⅰ幾種典型的形狀特徵描述方法
通常情況下，形狀特徵有兩類表示方法，一類是輪廓特徵，另一類是區域特徵。圖像的輪廓特徵主要針對物體的外邊界，而圖像的區域特徵則關繫到整個形狀區域。
幾種典型的形狀特徵描述方法：
（1）邊界特徵法該方法通過對邊界特徵的描述來獲取圖像的形狀參數。其中Hough 變換檢測平行直線方法和邊界方向直方圖方法是經典方法。Hough 變換是利用圖像全局特性而將邊緣像素連接起來組成區域封閉邊界的一種方法，其基本思想是點—線的對偶性；邊界方向直方圖法首先微分圖像求得圖像邊緣，然後，做出關於邊緣大小和方向的直方圖，通常的方法是構造圖像灰度梯度方向矩陣。
（2）傅里葉形狀描述符法
傅里葉形狀描述符(Fourier shape descriptors)基本思想是用物體邊界的傅里葉變換作為形狀描述，利用區域邊界的封閉性和周期性，將二維問題轉化為一維問題。
由邊界點導出三種形狀表達，分別是曲率函數、質心距離、復坐標函數。
（3）幾何參數法
形狀的表達和匹配採用更為簡單的區域特徵描述方法，例如採用有關形狀定量測度（如矩、面積、周長等）的形狀參數法（shape factor）。在 QBIC 系統中，便是利用圓度、偏心率、主軸方向和代數不變矩等幾何參數，進行基於形狀特徵的圖像檢索。
需要說明的是，形狀參數的提取，必須以圖像處理及圖像分割為前提，參數的准確性必然受到分割效果的影響，對分割效果很差的圖像，形狀參數甚至無法提取。
（4）形狀不變矩法
利用目標所佔區域的矩作為形狀描述參數。
（5）其它方法
近年來，在形狀的表示和匹配方面的工作還包括有限元法（Finite Element Method 或 FEM）、旋轉函數（Turning Function）和小波描述符（Wavelet Descriptor）等方法。
Ⅱ 基於小波和相對矩的形狀特徵提取與匹配
該方法先用小波變換模極大值得到多尺度邊緣圖像，然後計算每一尺度的 7個不變矩，再轉化為 10 個相對矩，將所有尺度上的相對矩作為圖像特徵向量，從而統一了區域和封閉、不封閉結構。
四 空間關系特徵
（一）特點：所謂空間關系，是指圖像中分割出來的多個目標之間的相互的空間位置或相對方向關系，這些關系也可分為連接/鄰接關系、交疊/重疊關系和包含/包容關系等。通常空間位置信息可以分為兩類：相對空間位置信息和絕對空間位置信息。前一種關系強調的是目標之間的相對情況，如上下左右關系等，後一種關系強調的是目標之間的距離大小以及方位。顯而易見，由絕對空間位置可推出相對空間位置，但表達相對空間位置信息常比較簡單。
空間關系特徵的使用可加強對圖像內容的描述區分能力，但空間關系特徵常對圖像或目標的旋轉、反轉、尺度變化等比較敏感。另外，實際應用中，僅僅利用空間信息往往是不夠的，不能有效准確地表達場景信息。為了檢索，除使用空間關系特徵外，還需要其它特徵來配合。
（二）常用的特徵提取與匹配方法
提取圖像空間關系特徵可以有兩種方法：一種方法是首先對圖像進行自動分割，劃分出圖像中所包含的對象或顏色區域，然後根據這些區域提取圖像特徵，並建立索引；另一種方法則簡單地將圖像均勻地劃分為若干規則子塊，然後對每個圖像子塊提取特徵，並建立索引。
⑧ 用什麼數學模型可以提取特徵參數
我的數學基礎也比較差，大一數學都是剛及格，然後考研數一考了120多分，不是很好，不過我自己挺滿意的。我是先過一遍課本，細枝末節的，搞明白了，然後就是李永樂的復習全書，難度適中，對於其中很偏的，我們底子差，也不用說全都透透的，掌握個80%，這本書，我做了一遍，梳理了一遍，然後錯題什麼的整理了一遍，最後就是刷真題了。真題一天一套，這是最後沖刺的時候練手感的。 說的好像做了很多，其實我也就從7月份開始准備的，每天要有計劃，安排的東西都要落實下去，是真的會做了，數學這東西，就是要會做題，做得出來，什麼都好說。 反復的練習，反復的做題很重要，一定不要默默地看，這樣子費時費力，但是眼高手低，一到做題，那個手感，還是練出來的。練到最後，什麼題型，什麼方法，爛熟於心。
⑨ labview設計語音識別系統如何提取特徵參數
3.2 ECG特徵點的提取方法 因為Peak Detection VI的輸出中已包含有相應點的幅值、二階導數及位置索引信息，在確定R峰點後，可進一步根據ECG的特點確定出其它各特徵點。完整的ECG特徵點判別方法及步驟為：（1）幅值最大或二階導數最小（或兩者同時滿足）的波峰點判定為R峰點；
（2）R峰點之前的第一個小於零的波谷點（Valley）為Q點；
（3）R峰點之後第一個小於零的波谷點（Valley）為S點；
（4）Q點之前合理時限內的最大波峰點為P點；
（5）S點之後合理時限內的最大波峰點為T點。
（U波幅度較小且目前對其認識還不清楚，本文不作討論。)4、基於虛擬儀器LabVIEW8.2的編程實現 按圖2流程編制LabVIEW8.2程序，考慮到實際ECG波形中存在干擾，閾值（Threshold）不宜取零。程序中採用本周期段數據中最小波谷點的0.02倍作為Valley點閾值，最大波峰點的0.03倍作為Peak點的閾值，這樣可將基線附近的絕大多數高頻干擾點避開，這些干擾點將不會出現在輸出序列中
⑩ 成像光譜遙感岩礦光譜特徵信息量化、識別和提取的方法研究
從分析機載成像光譜遙感的幾何光學位置（太陽光—岩礦目標—感測器）關系出發，在分析數據的幾何特性和輻射特性的基礎上，開展適合於國土資源調查的機載成像光譜數據的幾何糾正和輻射糾正方法技術研究，並進行岩礦地質體光譜特徵反演的方法技術分析。提高成像光譜技術的應用效果、促進其朝著產業化的方向發展的另一關鍵技術是發展岩礦光譜特徵量化、信息提取和識別技術方法。從地質調查的應用出發，結合地質信息、岩礦光譜特徵信息以及其他相關岩礦測試技術手段提供的信息（如岩礦鑒定、XRD、電子探針和化學分析等），利用反演的成像光譜數據發展成像光譜遙感礦化蝕變（異常）信息的識別技術。通過有效的岩礦信息識別與提取，為地質礦產資源評價提供更有利的成礦蝕變信息。
通過這些分析研究為開展地質礦產資源評價分析提供可靠的高光譜解析度的成像光譜反射率數據。同時通過開展數據處理分析方法研究，以形成成像光譜岩礦識別的方法技術流程，能夠推進機載成像光譜技術朝著產業工程化的方向發展。