International Research Journal of Engineering and Technology

2.3 Feature Extraction 
The method of converting an audio signal into a chain of 
feature vectors is called characteristic extraction system. The 
function vectors deliver temporal as well as spectral 
characteristic records about the audio signal. Feature vectors 
are calculated on window basis. The function choice has a 
notable effect at the performance of audio segmentation 
systems. Two types of features are calculated in this proposed 
work: Time-domain and Frequency-domain area features. To 
shape a characteristic vector these normalized functions are 
mixed. 

---

International Research Journal of Engineering and Technology
(IRJET)
e-ISSN: 2395-0056
Volume: 07 Issue: 01 | Jan 2020
www.irjet.net p-ISSN: 2395-0072
 
 
© 2020, IRJET | Impact Factor value: 7.34 | ISO 9001:2008 Certified Journal
| Page 1205 
Feature extraction step is performed on the separated signals 
obtained after pre-classification step. These separated signals 
are divided into nonoverlapping frames. These frames are 
used as classification unit. On the basis of the classification 
results segmentation is performed. 
We used following function for feature extraction: 
def stFeatureExtraction(signal, fs, win, step): 
""" 
This function implements the shor-term windowing process. 
For each short-term window a set of features is extracted. 
This results to a sequence of feature vectors, stored in a 
numpy matrix. 
ARGUMENTS 
signal: the input signal samples 
fs: the sampling freq (in Hz) 
win: the short-term window size (in samples) 
step: the short-term window step (in samples) 
RETURNS 
st_features: a numpy array (n_feats x num Of Short 
Term Windows) 
"""