AI智能语音识别算法原理 三

AI智能语音识别算法中的特征提取

时域上为一帧信号，通常为20~50ms

-微观上足够长：至少包含2~3个周期

-宏观上足够短：在一个音素之内

傅里叶变换之后

频谱具有精细结构和包络

-精细结构反映音高，用处较小

-包络反映音色，是主要信息

傅里叶变换FFT之后


得到了Mel frequency cepstral coefficients。
中文为梅尔倒谱系数。

首先用FFT将时域信号转化成频域，之后对其对数能量谱用依照Mel刻度分布的三角滤波器组进行卷积，最后对各个滤波器的输出构成的向量进行离散余弦变换DCT，取前N个系数。PLP仍用德宾法去计算LPC参数，但在计算自相关参数时用的也是对听觉激励的对数能量谱进行DCT的方法。

MFCC序列是最常用的特征，主要描述频谱包络。
-优点：排除基频，符合听觉，维度低
-缺点：视野小、受噪声、回声、滤波影响严重

MFCC序列改进方法：
-加入一阶、二阶差分
-以及加入归一化