mfcc

MFCC,Mel頻率倒譜係數的縮寫。Mel頻率是基於人耳聽覺特性提出來的,它與Hz頻率成非線性對應關係。Mel頻率倒譜係數(MFCC)則是利用它們之間的這種關係,計算得到的Hz頻譜特徵,MFCC已經廣泛地套用在語音識別領域。

概述

MFCC:Mel頻率倒譜係數的縮寫。Mel頻率是基於人耳聽覺特性提出來的,它與Hz頻率成非線性對應關係。Mel頻率倒譜係數(MFCC)則是利用它們之間的這種關係,計算得到的Hz頻譜特徵,MFCC已經廣泛地套用在語音識別領域。由於Mel頻率與Hz頻率之間非線性的對應關係,使得MFCC隨著頻率的提高,其計算精度隨之下降。因此,在套用中常常只使用低頻MFCC,而丟棄中高頻MFCC。

mfcc提取流程

MFCC參數的提取包括以下幾個步驟:
 預濾波:CODEC前端頻寬為300-3400Hz的抗混疊濾波器
 A/D變換:8kHz的採樣頻率,12bit的線性量化精度
 預加重:通過一個一階有限激勵回響高通濾波器,使信號的頻譜變得平坦,不易受到有限字長效應的影響。
 分幀:根據語音的短時平穩特性,語音可以以幀為單位進行處理,實驗中選取的語音幀長為32ms,幀疊為16ms。
 加窗:採用哈明窗對一幀語音加窗,以減小吉布斯效應的影響。
 快速傅立葉變換(Fast Fourier Transformation, FFT):將時域信號變換成為信號的功率譜。
 三角窗濾波:用一組Mel頻標上線性分布的三角窗濾波器(共24個三角窗濾波器),對信號的功率譜濾波,每一個三角窗濾波器覆蓋的範圍都近似於人耳的一個臨界頻寬,以此來模擬人耳的掩蔽效應
 求對數:三角窗濾波器組的輸出求取對數,可以得到近似於同態變換的結果。
 離散餘弦變換(Discrete Cosine Transformation, DCT):去除各維信號之間的相關性,將信號映射到低維空間。
 譜加權:由於倒譜的低階參數易受說話人特性、信道特性等的影響,而高階參數的分辨能力比較低,所以需要進行譜加權,抑制其低階和高階參數。
 倒譜均值減(Cepstrum Mean Subtraction, CMS):CMS可以有效地減小語音輸入信道對特徵參數的影響。
 差分參數:大量實驗表明,在語音特徵中加入表征語音動態特性的差分參數,能夠提高系統的識別性能。在本系統中,我們也用到了MFCC參數的一階差分參數和二階差分參數。
 短時能量:語音的短時能量也是重要的特徵參數,本系統中我們採用了語音的短時歸一化對數能量及其一階差分、二階差分參數。

mfcc特徵提取流程圖

mfcc特徵提取流程圖mfcc特徵提取流程圖

MFCC參數的提取流程

相關詞條

相關搜尋

熱門詞條

聯絡我們