Questions tagged «mfcc»

在大多数音频处理任务中，最常用的转换之一是MFCC（梅尔频率倒谱系数）。 我最了解MFCC背后的数学原理：我了解滤波器组步骤和梅尔频率定标。 我没有得到的是DCT（离散余弦变换）步骤：在此步骤中我可以获得什么信息？此步骤的视觉效果如何？

20 filters  mfcc  cepstral-analysis 

我一直在网上阅读点点滴滴，但我无法将它们拼凑在一起。我对信号/ DSP有一定的背景知识，应该足以满足此要求。我有兴趣最终使用Java对该算法进行编码，但是我还不完全了解它，这就是为什么我在这里（它算作数学，对吗？）。 我认为这与我的知识差距一起起作用。 从您的音频语音样本开始，比如说一个.wav文件，您可以将其读入数组。把这种阵列，其中Ñ范围为0 ，1 ，... ，ñ - 1（所以Ñ样品）。这些值对应于我猜想的音频强度-振幅。x[n]x[n]x[n]nnn0,1,…,N−10,1,…,N−10, 1, \ldots ,N-1NNN 将音频信号分成10ms左右的不同“帧”，假设语音信号是“固定的”。这是量化的一种形式。因此，如果您的采样率为44.1KHz，则10ms等于441个采样或值。x[n]x[n]x[n] 进行傅立叶变换（为计算起见，使用FFT）。现在，这是在整个信号上还是在每个单独帧上完成的？我认为这是有区别的，因为一般来说，傅立叶变换会查看信号的所有元素，因此F（x [ n ] ）≠ F（x 1 [ n ] ）与F（x 2 [ n ] ）与... F结合（x N [ n ] ）其中xx[n]x[n]x[n]F(x[n])≠F(x1[n])F(x[n])≠F(x1[n])\mathcal F(x[n]) \neq \mathcal F(x_1[n])F(x2[n])F(x2[n])\mathcal F(x_2[n])…F(xN[n])…F(xN[n])\ldots \mathcal F(x_N[n])是较小的帧。无论如何，假设我们进行了一些FFT，最后剩下 X [ k ]。xi[n]xi[n]x_i[n]X[k]X[k]X[k] 映射到梅尔刻度，并进行记录。我知道如何将常规频率数字转换为梅尔刻度。对于每个的X [ ķ ]：（以下简称“x轴”如果你让我），你可以在这里做公式http://en.wikipedia.org/wiki/Mel_scale。但是，“ …

17 discrete-signals  signal-analysis  mfcc 

谁能解释倒谱均值归一化，卷积的等效性如何影响它？是否必须在基于MFCC的说话人识别中执行CMN？为什么卷积的属性是MFCC的基本需求？ 我对这种信号处理非常陌生。请帮忙

15 mfcc 

我正在尝试从声音文件中提取特征，并将声音分类为属于特定类别（例如：狗吠，汽车引擎等）。我想在以下方面做一些澄清： 1）这完全可行吗？有些程序可以识别语音，并可以区分不同类型的狗吠。但是，是否有可能有一个程序可以接收声音样本并仅说明它是哪种声音？（假设有一个包含很多声音样本的数据库）。输入的声音样本可能有点嘈杂（麦克风输入）。 2）我假设第一步是音频特征提取。该文章建议提取的MFCC并将这些资料传送到机器学习算法。MFCC是否足够？还有其他通常用于声音分类的功能吗？ 感谢您的时间。

15 audio  mfcc  machine-learning  classification  sound-recognition 

这是这里讨论的延续。我会在那发表评论，但我没有50名代表，所以我想提出一个新问题。 这就是我对MFCC计算过程中DCT步骤的理解：其背后的原理是，由于滤波器的重叠，将对数谱幅值的相关性（与滤波器组分开）。从本质上讲，DCT平滑了由这些对数频谱幅度给出的频谱表示。 正确地说，下图中的蓝线代表对数谱幅值矢量所代表的光谱，而红线是经过DCT校正后的矢量吗？

9 mfcc  dct