热中子通量与元素特征γ射线的关系

热辐射计算公式

传热学课程自学辅导资料 （热动专业） 二○○八年十月

传热学课程自学进度表 教材：《传热学》教材编者：杨世铭陶文铨出版社：高教出版时间：2006 1

注：期中（第10周左右）将前半部分测验作业寄给班主任，期末面授时将后半部分测验作业直接交给任课教师。总成绩中，作业占15分。 2

传热学课程自学指导书 第一章绪论 一、本章的核心、重点及前后联系 （一）本章的核心 1、导热、对流、辐射的基本概念。 2、传热过程传热量的计算。 （二）本章重点 1、导热、对流、辐射的基本概念。 2、传热过程传热量的计算。 （三）本章前后联系 简要介绍了热量传递的三种基本方式和传热过程 二、本章的基本概念、难点及学习方法指导 （一）本章的基本概念 1、热传导 导热（Heat Conduction）：物体各部分之间不发生相对位移时，依靠分子、原子及自由电子等微观粒子的热运动而产生的热量传递称为导热。 特点：从宏观的现象看，是因物体直接接触，能量从高温部分传递到低温部分，中间没有明显的物质迁移。 从微观角度分析物体的导热机理： 气体：气体分子不规则运动时相互碰撞的结果。 导电固体：自由电子不规则运动相互碰撞的结果，自由电子的运动对其导热起主导作用。 非导电固体：通过晶格结构振动所产生的弹性波来实现热量传递，即院子、分子在其平衡位置振动。 液体：第一种观点类似于气体，只是复杂些，因液体分子的间距较近，分子间的作用力对碰撞的影响比气体大；第二种观点类似于非导电固体，主要依靠弹性波（晶格的振动，原子、分子在其平衡位置附近的振动产生的）的作用。 热流量：单位时间传递的热量称为热流量，用Ф表示，单位为W。 3

图像特征提取方法

图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。

设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的

(完整版)图像特征特点及常用的特征提取与匹配方法

图像特征特点及常用的特征提取与匹配方法 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1） 颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2） 颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡 的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3） 颜色矩

图像特征特点及其常用的特征提取与匹配方法

图像特征特点及其常用的特征提取与匹配方法 [ 2006-9-22 15:53:00 | By: 天若有情 ] 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1）颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（m ean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。（4）颜色聚合向量 其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。 （5）颜色相关图 二纹理特征 （一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局

图像特征提取总结

图像常见xx方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 （一）特点： 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。 一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。 由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的xx与匹配方法 （1）颜色直方图 其优点在于： 它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于： 它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间： RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：

直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。 在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于： 图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。 （4）颜色聚合向量 其核心思想是： 将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。 （5）颜色相关图 二纹理特征 （一）特点： 纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行

太阳能辐射计算公式

一、中国太阳能直接辐射的计算方法 ()1bS a Q S +='（1） () 211111S c S b a Q S ++='（2）⊙ ()n c S b a Q S 2122++='（3） S ′为直接辐射平均月（年）总量；Q 为计算直接辐射的起始数据，可采用天文总辐射S 0，理想大气总辐射，Q i ,晴天总辐射Q 0来表示。a ，b ，a 1，b 1，c 1，a 2，b 2，c 2为系数。n 为云量。S 1为日照百分率。 相关系数的计算公式： ()() ()() ()()∑∑∑∑∑∑∑∑∑=========?? ? ??-?? ? ??--= ----= n i n i i i n i n i i i n i n i n i i i i i n i i i n i i i y y n x x n y x y x n y y x x y y x x r 12 12 12 121 1 1 1 2 21 考虑到大气透明度，则有 ()()n c S b a P P P Q n c S b a P P P Q S i m i 2122cos cos sin sin 1 2122++=++='+海 年海 年δ ?δ?（4） 其中m 为大气质量： δ ?δ?cos cos sin sin 1 sinh 1+== Θm 其中，φ为测站的纬度；δ为赤纬角，取每月15日的赤纬值作为月平均值；时角ω统一取中午12时，则ω=0，cosω=1；年P 为测站的年平均气压，P 海为海平面气压，P 海=1013.25mp ，海年P P 为对大气质量进行的高度订正。 对于a 2的计算： 当测站的海拔H≥3000m 时，a 2=0.456； 当H≤3000m 是，若年平均绝对湿度E ≤10.0mb ，则 F a ?-=00284.0688.02 否则F a ?-=01826.07023.02，其中F 为测站沙尘暴日数与浮尘日数之和。 对于（4）式中，系数之间的关系式为 { 011.1039.02222=+-=+b a c a

人体辐射换热的计算.

人 体 辐 射 换 热 的 计 算 方 法 The Calculation Method Of Radiative Heat Loss From Human Body 同济大学楼宇设备工程与管理系 叶海 摘要：本文简要介绍了两种情况下人体辐射换热的计算方法，即人体与室内整体环境间的辐射换热、人体与单一壁面间的辐射换热。作者力求避免繁复的理论推导，而仅仅就研究结果，研究方法作了归纳与总结，列出了一些计算参数的取值范围，可供工程技术人员在计算时参考。 在热舒适的研究中，我们经常要计算人体与室内环境间的热交换，进而对人体的热感觉进行预测。人体与环境之间主要通过对流和辐射方式换热，导热基本上可以忽略不计。在普通的室内气候条件下，人体外表温度高于环境平均辐射温度，而室内风速一般较小，因此辐射散热量可占总散热量的50%左右，对流散热为30%左右，其余为蒸发散热。 一、人体与室内环境间的辐射换热 人体与室内环境间的辐射换热量Q R 可按空腔与内包壁面间的换热计算，即 W )11(1 )(44-+-=S S eff p mrt surf eff R A A T T A Q εεσ (1) 式中，eff A ——人体的有效辐射面积，m 2； 428K W/m 1067.5??=-σ，黑体的辐射常数。 surf T ——人体外表的平均温度，K ； mrt T ——环境的平均辐射温度，K ； P ε ——人体外表的平均发射率，无因次； S A ——包围人体的室内总面积，m 2； S ε ——环境的平均发射率，无因次； 式(1)中，由于人体面积远小于环境面积，且一般室内材料的发射率接近于1，故分母的第二项可略去不计。在热舒适研究中，对人体的产热（即代谢率）和散热计算一般取单位皮肤面积，于是得到 244W/m )(mrt surf eff cl P r T T f f Q -=σε (2) 式中，cl f ——称为服装面积系数，无因次；后面将作进一步介绍。 eff f ——人体的有效辐射面积系数，无因次；后面将作进一步介绍。 式(2)虽然给出了人体辐射换热计算的具体形式，但令人遗憾的是，式中右边的各项大多难以从理论上确定，一般依赖于经验公式来解决。两个系数的意义在于，着装增大了人体的外表面积，而人体的外表之间存在着相互辐射。至于平均辐射温度，它是假想室内环境在均一的温度下与人体进行换热。以下将对其中各项进行详细讨论。 1-1 人体外表的平均发射率 发射率有时也称为黑度、黑率或辐射系数，它表明物体表面与黑体相比辐射能量的效率。根据基尔霍夫定律，“漫-灰表面”在温度平衡时，可以认为发射率与吸收率相等，但在工程计

时域和频域特征提取Matlab编程实例

第一章绪论 1.1 概述 机械信号是指机械系统在运行过程中各种随时间变化的动态信息，经各种测试仪器拾取并记录和存储下来的数据或图像。机械设备是工业生产的基础，而机械信号处理与分析技术则是工业发展的一个重要基础技术。 随着各行各业的快速发展和各种各样的应用需求，信号分析和处理技术在信号处理速度、分辨能力、功能范围以及特殊处理等方面将会不断进步，新的处理激素将会不断涌现。当前信号处理的发展主要表现在：1.新技术、新方法的出现；2.实时能力的进一步提高；3.高分辨率频谱分析方法的研究三方面。 信号处理的发展与应用是相辅相成的，工业方面应用的需求是信号处理发展的动力，而信号处理的发展反过来又拓展了它的应用领域。机械信号的分析与处理方法从早期模拟系统向着数字化方向发展。在几乎所有的机械工程领域中，它一直是一个重要的研究课题。 机械信号分析与处理技术正在不断发展，它已有可能帮助从事故障诊断和监测的专业技术人员从机器运行记录中提取和归纳机器运行的基本规律，并且充分利用当前的运行状态和对未来条件的了解与研究，综合分析和处理各种干扰因素可能造成的影响，预测机器在未来运行期间的状态和动态特性，为发展预知维修制度、延长大修期及科学地制定设备的更新和维护计划提供依据，从而更为有效地保证机器的稳定可靠运行，提高大型关键设备的利用率和效率。 机械信号处理是通过对测量信号进行某种加工变换，削弱机械信号中的无用的冗余信号，滤除混杂的噪声干扰，或者将信号变成便于识别的形式以便提取它的特征值等。机械信号处理的基本流程图如图1.1所示。 图1.1 机械信号处理的基本流程 本文主要就第三、第四步骤展开讨论。

太阳能辐射计算公式

一、中国太阳能直接辐射的计算方法 （1） （2）⊙ （3） S′为直接辐射平均月（年）总量；Q为计算直接辐射的起始数据，可采用天文总辐射S0，理想大气总辐射，Qi,晴天总辐射Q0来表示。a，b，a1，b1，c1，a2，b2，c2为系数。n为云量。S1为日照百分率。 相关系数的计算公式： 考虑到大气透明度，则有 （4） 其中m为大气质量： 其中，φ为测站的纬度；δ为赤纬角，取每月15日的赤纬值作为月平均值；时角ω统一取中午12时，则ω=0，cosω=1；为测站的年平均气压，P海为海平面气压，P海=1013.25mp，为对大气质量进行的高度订正。 对于a2的计算： 当测站的海拔H≥3000m时，a2=0.456； 当H≤3000m是，若年平均绝对湿度E≤10.0mb，则 否则，其中F为测站沙尘暴日数与浮尘日数之和。 对于（4）式中，系数之间的关系式为 二、中国太阳能散射辐射的算法 其中∑D为散射辐射月（年）总辐射量，Q为计算散射辐射的起始数据，可采用天文总辐射S0，理想大气总辐射Qi,晴天总辐射Q0来表示；f(S1，n......）为天空遮蔽度函数。 D=Qi(a1+b1nt); D=Qi(a2+b2nl); D=Qi(a3+b3S1); D=Qi(a4+b4nmh) D=Qi(a5+b5nmh+c5nl) D=Qi(a6+b6nmh+c6S1) D=Qi(a7+b7P+c7nl) D=Qi(a8+b8P+c8S1) 以上8式为计算太阳能散射可筛选公式，其中D为欲计算的散射辐射量的月总量，Qi,为理想大气中的月总辐射量，nt ，nl ，nmh分别为月平均总云量、低云量和中高云量。S1为日

音乐特征提取

声音媒体是除视觉媒体外最重要的媒体，占有总信息量的20%左右，语音和音乐是最常见的声音媒体。对声音进行数字化处理得到的结果称为音频。声音其实是一种正弦波，故具有振幅、频率、相位等特性。但由于声音是我们所能感觉到的媒体，因此声音具有物理和心理两种属性，并且是相互关联的。物理属性与波形有关，包括声强、频率、声波复合、谐波结构等属性。心理属性则与我们的感觉有关，且因人而异，包括强度、音调、音色、音量、和谐等属性。在音频检索中，需要特征提取、音频分割、音频检索这几个关键技术。 特征提取 人耳听到的音频是连续模拟信号，而计算机只能处理数字化的信息，所以模拟连续音频信号要经过离散化即抽样后才变成计算机处理的采样离散点。在音频处理中，一般假定 音频信号特性在很短时间区间内变化是很缓慢的，所以在这个变化缓慢的时间内所提取的音频特征保持稳定。这样，对音频信号进行处理的一个基本概念就是将离散音频信号分成 一定长度单位进行处理，即将离散音频采样点分成一个个音频帧。这种方法就是音频信号“短时”处理方法，一般一个“短时”音频帧持续时间长度约为几到几十微秒。假设用x =（x（1），?x（n），?，x（K））表示一段连续音频信号流x 采样后的离散音频信号，这意味着从此连续音频信号中得到了K 个采样数据，其中x（n）是时刻n（1SnSk）得到的数据。在“短时”处理时候，假设将这K 个数据分成L组，每一组就是一帧，每一帧包含［K/ L］个采样点。如果从每一帧的［K/ L］个采样点可以提取nfeature 个特征，最后得到L*nfeature 个特征就构成了音频数据x 的特征，这些特征被用来对音频数据流x 进行分割、识别与检索。 频域特征提取 音频频域特征有多种，常用的有线性预测倒谱系数(LinearPredictive Cepstrum Coefficient，LPCC)或Mel频率倒谱系数。通常MFCC参数更符合人耳的听觉特性，在有信道噪声和频谱失真情况下，能产生更高的识别精度嗍。MFCC在语音领域中得到广泛的应用。它是音频数据经z变换和对数处理后得出的结果，一般每段数据取12个系数，可以较好地表现每帧的特征。MFCC将人耳的听觉系统和语音的产生系统相结合，在～定程度上模拟了人耳对声音的处理特点，具有很好的识别效果。其处理过程如图I所示：(1)将每帧音频信号进行傅氏变换得其频谱；(2)用Mel滤波器组在频域进行带通滤波，并对每个频带的能量叠加得到频谱能量算(J})；(3)将滤波器组的输出 能量取对数，然后做离散余弦变换，即得到MFCC特征由于MFCC是从每个短时音频帧中提取出来的，它们主要反映的是音频在很短时内的静态特征，音频信号的动态特征可以用这些静念特征的差分来描述，把前后相邻帧的MFCC特征相减，就得到一阶差分MFCC系数。它可以反映这个音频的动态特征。把这些动态特征和静态特征一起组成音频的特征向 量，能够相互弥补，很大程度可以提高改善系统的识别性能。本文采用的就是把12维MFCC 系数及2维一阶差分MFCC系数共同作为音频的频域特征。