参考：https://www.youtube.com/watch?v=SRrQ_v-OOSg\&t=1s
时域特征包括：
1.幅度包络
2.均方根能量
3.过零率
振幅包络的定义：一个 frame 里，所有采样点中最大的振幅值
一个形象的关于振幅包络的可视化解释如下：
可以观察到，振幅包络对 异常值 较为敏感。这个特征也可以用于异常值检测，或者音乐体彩分类。
接下来是均方根能量，公式如下：
均方根能量可以作为 响度 的一个指示，它相比 AE 振幅包络，对异常值不敏感
RMS 通常用于声音信号切片，音乐体裁分类
zero crossing rate 过零率的定义如下：信号穿过 x 轴的次数
公式如下（前面放个 1/2 是有理由的，因为 +1 - (-1) = 2）：
这个特征可以用来识别 打击声音和 尖锐声
也可以用来评估单声道声音的音高
还可以在一段对话信号中识别 人声
