语音笔记：MFCC
2024-10-10 00:43:21
一，传统语音识别体系结构
二，MFCC特征提取
MFCC(Mel-frequency cepstral coefficients):梅尔频率倒谱系数。梅尔频率是基于人耳听觉特性提出来的， 它与Hz频率成非线性对应关系。梅尔频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。主要用于语音数据特征提取和降低运算维度。例如：对于一帧有512维(采样点)数据，经过MFCC后可以提取出最重要的40维(一般而言)数据同时也达到了将维的目的。MFCC一般会经过这么几个步骤：预加重，分帧，加窗，快速傅里叶变换(FFT)，梅尔滤波器组，离散余弦变换(DCT)。
其中最重要的就是FFT和梅尔滤波器组，这两个进行了主要的降维操作。
提取MFCC特征的过程：
1.先对语音进行预加重、分帧和加窗；
2.对每一个短时分析窗，通过FFT得到对应的频谱；
3.将上面的频谱通过Mel滤波器组得到Mel频谱；
4.在Mel频谱上面进行倒谱分析（取对数，做逆变换，实际逆变换一般是通过DCT离散余弦变换来实现，取DCT后的第2个到第13个系数作为MFCC系数），获得Mel频率倒谱系数MFCC，这个MFCC就是这帧语音的特征。
接下来，语音就可以通过一系列的倒谱向量来描述了，每个向量就是每帧的MFCC特征向量。
最新文章
- javascript 全局对象--w3school
- Eclipse，到了说再见的时候了——Android Studio最全解析
- EF异常：“System.InvalidOperationException”类型的未经处理的异常在 mscorlib.dll 中发生
- POJ 1094 Sorting It All Out 拓扑排序 难度:0
- html中调用silverlight中的方法
- URAL 2048 History 蔡勒公式
- #include <assert.h>
- Qt 5.2.0 和 VS 2012集成
- CentOS 6.X启动流程
- C语言 变量的作用域和生命周期（转）
- eclipse集成lombok
- 苹果电脑利用curl下载数据集
- 初始化后，composer安装
- Lucas卢卡斯定理
- LaTeX ：font size 修改字体大小的几种方式
- MongoDB的基本shell操作（三）
- tomcat启动报错:注释指定的bean类.与现有的冲突.相同的名称和类
- 前端技术俗语js
- 解决Hue/hiveserver2报错：java.io.IOException: Job status not available
- 黑苹果Yosemite 10.10.1懒人版完美安装及简单驱动设置