STFT和声谱图，梅尔频谱（Mel Bank Features）与梅尔倒谱（MFCCs）

最新推荐文章于 2025-08-30 21:44:59 发布
转载 最新推荐文章于 2025-08-30 21:44:59 发布 · 1.3k 阅读 · 1 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/qq_28006327/article/details/59129110
文章标签：

#语音相关

本文深入探讨了声音信号处理中常用的声音特征提取方法，包括STFT、声谱图、梅尔频谱（MelBankFeatures）及梅尔倒谱（MFCCs）。这些特征广泛应用于传统GMM模型以及现代机器学习模型中。

​

​ 最近读论文涉及到mel-spectrogram，虽然之前视听觉处理课上也有提到过，但发现我并不是十分了解。

​ 并且，不管是用传统的GMM模型，还是用机器学习中的SVM或神经网络模型，提取声音特征都是第一步。梅尔频谱和梅尔倒谱就是使用非常广泛的声音特征形式。

​ 通过这篇文章，我对此有了一定的了解，在此记录：STFT和声谱图，梅尔频谱（Mel Bank Features）与梅尔倒谱（MFCCs）

音频-特征提取：①幅度谱（短时傅里叶变换谱/STFT）、②梅尔频谱（mel-spectrogram）、③梅尔倒谱（MFCC）【在梅尔频谱上取对数，做DCT（离散余弦变换）变换，得梅尔倒谱】
u013250861的博客
07-16 4725
给定原始的音频信号，通过melspectrogram（）函数提取梅尔频谱，然后通过DCT离散余弦变换得到梅尔倒谱系数。Mel滤波器对应了频率提高之后人耳会迟钝的客观规律，所以Mel滤波器在人声的信号处理上有着广泛的使用，但是如果应用到非人声上，就会丢失很多高频信息。输入语音信号->预加重->分针->加窗->FFT（傅里叶变换）->Mel滤波器->对数运算->DCT(离散预先变换)->MFCC。这是MFCC（梅尔倒谱）的提取过程，而梅尔频谱则是经过Mel滤波器就直接输出的一个结果。..............
语音信号处理-概念（二）：幅度谱（短时傅里叶变换谱/STFT spectrum）、梅尔谱（Mel spectrum）【语音的深度学习主要用幅度谱、梅尔谱】【用librosa或torchaudio提取】
u013250861的博客
06-26 2895
一、语音的深度学习使用哪种谱？ 答：以amp spec和melspec为主，通常可以用librosa库或者torchaudio库进行提取。二、那Fbank、MFCC 呢？ 答：由于其蕴含信息较少，已经不适合这个大数据时代。但有些任务由于其本身的特殊性质，还是会使用到MFCC谱。如情感语音转换任务。...............
梅尔频谱图（Mel Spectrogram）和梅尔频率倒谱系数（MFCC）
weixin_52734695的博客
07-27 2626
音频信号 -> 预处理 -> 分帧 -> 加窗 -> FFT -> 功率谱 -> 梅尔滤波器组 -> 对数压缩 -> 梅尔频谱图。梅尔频谱图是将音频信号的频谱表示转换到梅尔频率标度上，并通过一组梅尔滤波器对频谱进行加权平均后得到的结果。MFCC：通过对梅尔频谱图的离散余弦变换和压缩，提取了更紧凑和不相关的特征，用于进一步的音频分析和模式识别。梅尔频谱图的最终输出是对数梅尔频谱值的矩阵，行代表梅尔滤波器的数量，列代表时间帧。梅尔频谱图：提供了音频信号在梅尔频率标度上的频谱表示，捕捉了频率和时间的细节。
Mel频谱图
百态老人的博客
01-04 2116
Mel频谱图更适合需要详细频谱信息的任务，如音乐分类和声音识别，因为它保留了频谱的语义信息，并且在可视化和解释上更为直观。MFCC则更适合需要高效特征提取和去相关性的任务，如语音识别，因为它通过压缩和去相关性减少了特征向量的复杂度，并且能够较好地模拟人耳对声音的感知特性。在音乐分析中，Mel频谱图如何帮助进行流派分类和节奏估计？在音乐分析中，Mel频谱图通过将音频信号转换为一种视觉表示形式，帮助进行流派分类和节奏估计。
时频分析方法：梅尔频谱图
m0_62953704的博客
08-26 4951
梅尔频谱图是一种常用于时频域分析的音频特征表示方法，基于梅尔频率尺度对声音信号进行变换。该尺度模仿了人耳对不同频率的感知特性，通过将信号的频谱映射到梅尔尺度上，使得低频部分的分辨率更高，而高频部分的分辨率较低，从而更好地反映了人耳的听觉感知。梅尔频谱图通常通过短时傅里叶变换（STFT）或滤波器组分析获得，并常用于语音识别、音乐信息检索等领域，其优势在于能够有效提取与音频信号相关的感知特征，提高了在实际应用中的表现和鲁棒性。
语谱图（四） Mel spectrogram 梅尔语谱图
chumingqian的博客
02-22 1万+
梅尔 倒谱 系数 梅尔频率 倒谱系数 mel frequency Cepstrum coefficient。 ( 可以看出 Cepstrum 这个单词是 频谱 spectrum 前四个字母的倒序)， 我们需要先理解以下基本概念： 2.1 为什么要取倒谱系数呢？ f 代表原本的频率，M: 代表转换后的梅尔频率， 当f很大时， M 的变化趋于平缓。 3. 倒谱分析： 取对数， 4. 梅尔倒谱系数： 在得到梅尔语谱图后， 进行 DCT 变换， 取出其中的部分系数 作为倒谱系数 ...
STFT和梅尔频谱图
最新发布
weixin_39699362的博客
08-30 1022
STFTτω∫−∞∞xtg∗t−τe−jωtdt(2)STFTτω∫−∞∞​xtg∗t−τe−jωtdt2τ\tauτ为“时间中心”（窗函数的滑动位置，对应横轴时间）；gtg(t)gt为窗函数（如汉宁窗、矩形窗），g∗tg^*(t)g∗t为其共轭；物理意义：用窗函数gt−τgt−τ截取tτt = \tautτ附近的信号片段，再对该片段做傅里叶变换，得到该时刻的频率谱。
声音特征提取--Mel梅尔频谱、梅尔倒谱系数MFCC
qq_52631753的博客
12-26 2698
主要频率成分包含了声音的识别属性，在声目标识别时，我们需要找到共振峰的位置还有它们转变的过程，所以我们提取的是频谱的包络：一条连接共振峰点的平滑曲线。但是人耳感知到的声音高低与声音的原始频率并不呈线性关系，人耳对低频声音更加敏感，低频区域的差异变化比较容易被感受，而对于高频声音的变化感知并不明显。比如10hz和110hz的声音，人耳能够明显感觉到不同，而1000hz和1100hz的声音，人耳感觉会是一样的。这样使得在Mel刻度上相等距离的两对频度，人耳的感知差异也是相同的，即人耳感知和梅尔尺度呈线性关系。
如何提取出一首歌曲的梅尔频谱
慢慢变强大
02-18 4375
如何提取出一首歌曲的梅尔频谱 1.声谱图 如下图1一段声音信号直观地看起来是时间和能量的关系，在语音识别，音乐信息检索中常常关注的是声音中频率和能量的关系，即声谱图描述的就是频率和能量的关系。所以我们拿到一段音频需要先进行初步的处理，获得它的声谱图。具体的做法则是将声音信号分帧，然后对每一帧都用短时傅里叶变换处理，当然进行傅里叶变换之前还预先需要对声音信号进行预加重，加窗。 2.梅尔频谱 由于人...
MFCC 梅尔倒频谱系数 详解
04-19
在语音辨识（Speech Recognition）和语者辨识（Speaker Recognition）方面，最常用到的语音特征就是「梅尔倒频谱系数」（Mel-scale Frequency Cepstral Coefficients，简称MFCC），此参数考虑到人耳对不同频率的感受程度，因此特别适合用在语音辨识。下面简单的介绍一下求解MFCC的过程。
声谱图_matlab制作声谱图_
09-30
分析音频，分割进行傅里叶变换，得出声谱图
声谱分析器 谱分析用的到
01-03
谱分析工具，感觉比较有用，希望能对大家有所帮助
论文笔记：语音情感识别（四）语音特征之声谱图，log梅尔谱，MFCC，deltas
weixin_30437337的博客
12-21 1774
一：原始信号 从音频文件中读取出来的原始语音信号通常称为raw waveform，是一个一维数组，长度是由音频长度和采样率决定，比如采样率Fs为16KHz，表示一秒钟内采样16000个点，这个时候如果音频长度是10秒，那么raw waveform中就有160000个值，值的大小通常表示的是振幅。 二：（线性）声谱图 （1）对原始信号进行分帧加窗后，可以得到很多帧，对每一帧做FFT（快速傅里叶变换...
librosa.feature.melspectrogram() 梅尔频谱图 示例
weixin_44493841的博客
01-21 8748
librosa.feature.melspectrogram() 梅尔频谱图 示例 import librosa y, sr = librosa.load( librosa.ex('nutcracker'), # 音频路径( librosa.ex('nutcracker') 可换成：1.wav ) sr = 18000, # 设置输出采样率，默认是22050 duration = 1 # 截取时长为1秒 ) print(y.shape) # 音频时间序列 (18000,)
【语音基础】梅尔频谱
似水流年
01-23 2622
梅尔倒频谱(Mel-Frequency Spectrum, MFC)是一个可用来代表短期音讯的频谱， 其原理根基于以非线性的梅尔刻度(mel scale)表示的对数频谱(spectrum)及其线性余弦转换(linear cosine transform)之上。
梅尔频谱图与音频相互转化
赫凯的博客
05-09 7261
看大佬写的 import scipy.signal as signal import librosa import torch import numpy as np import copy sr = 22050 # Sample rate. n_fft = 2048 # fft points (samples) frame_shift = 0.0125 # seconds frame_length = 0.05 # seconds hop_length = int(sr*frame_shift) # sa
语音特征提取: 梅尔频谱(Mel-spectrogram)与梅尔倒频系数（MFCCS）
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
11-20 1万+
在音频处理和语音识别领域，Mel频谱（Mel-spectrogram）和梅尔频率倒谱系数（MFCC）都是常用的特征表示方法。两者都广泛应用，但在不同的应用场景中各有优势。
声谱图，梅尔语谱，倒谱，梅尔倒谱系数（超详细）
热门推荐
Barbara‘s Blog
09-03 3万+
语音特征提取。
基于梅尔频谱图的音频LPC预测与LPCNet兼容实现
特别是语音合成与声码器技术中，“auorange”项目聚焦于利用梅尔频谱图（Mel-spectrogram）进行线性预测编码（LPC, Linear Predictive Coding）的计算，并实现与现代神经声码器如LPCNet和FeatherWave等系统的兼容性...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值