Filter Banks & MFCCs

2019-01-12 本文已影响0人 liangym

推荐一个非常好的网址，它介绍 filter banks 和 MFCCs 得非常好。

并且我的总结就是来自于这个网址, 并且学习到的代码记录在github

首先 Filter Banks 和 MFCCs 的原理流程框图如图1 所示。

图1 Filter Banks 和 MFCCs 的原理流程框图

总结的一些知识点：

1、预加重使用公式 y(t)=x(t)−αx(t−1) ， α 一般取 0.95 或 0.97

在存在均值归一化的情况下，预加重可能起到的作用并不大，因此在现在的语音识别系统中并不要求有预加重这一操作。

2、语音处理中的典型帧大小范围为20ms至40ms，连续帧之间具有50％（+/- 10％）重叠。

3、hanming window : $w[n] = 0.54 - 0.46cos(\frac{2\pi n}{N-1} )$ , 其中 N 是一帧包含的点数。

4、N 点 FFT 一般 N 取 256 或 512 且功率谱的计算公式为： $P = \frac{\vert FFT(x_{i} )^2 \vert }{N}$

5、filter banks 的个数即为三角滤波器的个数，一般取 40 。频率 f 和 mel 频率的映射公式如下，记得在编程时使用小数（例如：700 --> 700.0）

6、三角滤波器的方程及图为：

7、如果机器学习算法不易受高度相关输入的影响，请使用Mel缩放滤波器组。如果机器学习算法易受相关输入的影响，请使用MFCC。（不太理解这句话的意思。。。）