梅尔频率倒谱系数（MFCC）理论整理

最新推荐文章于 2024-10-09 20:49:43 发布
最新推荐文章于 2024-10-09 20:49:43 发布
阅读量726 收藏 3
点赞数
分类专栏： 语音 文章标签： MFCC
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_28662689/article/details/90175786
版权

主要图形：时域图、频谱图、语谱图
https://blog.youkuaiyun.com/yongchunaq/article/details/36227961

基础参考博客：https://blog.youkuaiyun.com/zouxy09/article/details/9156785
https://blog.youkuaiyun.com/qq_28006327/article/details/59129110

主要知识要点：STFT（短时傅里叶变换）、梅尔频谱（Mel Bank Features）与梅尔倒谱（MFCCs）
傅里叶变换数学理论的扩展阅读：https://www.zhihu.com/question/21040374

提取MFCC特征的过程：
（1）（2） 为了将时域图变为频谱图

1）先对语音进行预加重、分帧和加窗；
语音的预加重：去除口唇辐射的影响，增加语音的高频分辨率
元音能量主要集中在1KHz以下，并且以6dB/十倍频的速度下降，可以使用欲加重技术增强高频能量，这在回声消除以及语音识别中的特征提取（共振峰， LPC）中用到，声道的终端是口和唇，口唇辐射对低频影响比较小，但是对高频段影响比较大，欲加重技术技术为了提升高频分辨率

分帧和加窗的理解：https://www.zhihu.com/question/52093104

2）对每一个短时分析窗，通过FFT得到对应的频谱；

3）将上面的频谱通过Mel滤波器组得到Mel频谱；

4）在Mel频谱上面进行倒谱分析（取对数，做逆变换，实际逆变换一般是通过DCT离散余弦变换来实现，取DCT后的第2个到第13个系数作为MFCC系数），获得Mel频率倒谱系数MFCC，这个MFCC就是这帧语音的特征；

语音信号特征提取——梅尔频率倒谱系数MFCC（含Matlab代码）
Lostin_sakura的博客
07-21 8227
梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients，MFCCs) 这个词涉及到梅尔频率和倒谱，所以先分别了解这俩词的意思。 1. 倒谱（Cepstral）： （这个词是频谱spectrum的前面四个字母顺序倒过来，所以和频谱有一定联系）倒谱是一种信号的频谱经过对数运算后再进行傅里叶反变换得到的谱。其计算过程可用下面的框图表示： 因为语音信号实际上是一个卷性信号（把声道看作一个线性时不变系统，声音的产生则为一个激励通过这个系统），记原时域信号为,经过DFT变换
梅尔频率倒谱系数（MFCC）
m0_60116633的博客
01-21 4964
梅尔倒谱系数（MFCC）：是在Mel标度频率域提取出来的倒谱参数，Mel标度描述了人耳频率的非线性特征，它与频率的关系可用下式表示： 语音特征参数MFCC提取过程： 1、 预加重：将语音信号通过一个高通滤波器： 式中u的值介于0.9-1.0之间，通常取0.97。预加重的目的是提升高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中，能用同样的信噪比求频谱。 2、 分帧 先将N个采样点集合成一个观测单位，称为帧。通常情况下N的值为256或512，涵盖的时间约为20~30ms左右。为了避免相邻两帧的
语音信号处理之（四）梅尔频率倒谱系数（MFCC）
08-14
语音信号处理之（四）梅尔频率倒谱系数,语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数
语音特征参数MFCC提取过程详解
热门推荐
James Zhang's Blog
01-23 16万+
原来对语音特征参数MFCC的提取过程不是很了解，最近做实验需要自己手动去提取，所以借此机会，深入的学习了一下，所以记录下来，希望能够对日后的学习有一定的帮助。
声音处理之-梅尔频率倒谱系数(MFCC)
qingfengxd1的博客
11-03 5633
声音处理之-梅尔频率倒谱系数(MFCC) 梅尔（Mel）频率分析 在语音识别（SpeechRecognition）和话者识别（SpeakerRecognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scaleFrequency Cepstral Coefficients，简称MFCC）。根据人耳听觉机理的研究发现，人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响对大。两个响度不等的声音作用于人耳时，则响度较高的频率成分的存在会影响到对响度较低
梅尔频率倒谱系数（mfcc）及Python实现
09-19
梅尔频率倒谱系数（MFCC）是一种广泛用于语音识别系统的特征提取技术，它能够有效地捕捉语音信号中的关键信息，从而简化识别过程。MFCC基于人类听觉系统的特性，模拟了人耳对不同频率声音敏感度的变化。以下是MFCC的...
梅尔倒谱系数（MFCC）实现
09-19
梅尔倒谱系数（Mel Frequency Cepstral Coefficients，简称MFCC）是语音识别、音频处理领域常用的一种特征提取方法。它通过模拟人类听觉系统对声音频率的感知方式，将原始音频信号转化为一组易于处理的参数，有助于...
Mel频率倒谱系数
witsgreat的博客
09-22 5791
一、概述 MFCC：Mel频率倒谱系数（Mel Frequency Cepstrum Coefficient，MFCC）的缩写。Mel（美尔）是主观音高的单位，而Hz（赫兹）则是客观音高的单位。Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。 二、应用 MFCC已经广泛地应用在语
MFCC（梅尔频率倒谱系数）全部计算代码
05-06
MFCC特征提取过程： 1）先对语音进行预加重、分帧和加窗： 2）对每一个短时分析窗，通过FFT得到对应的频谱； 3）将上面的频谱通过Mel滤波器组得到Mel频谱； 4）在Mel频谱上面进行倒谱分析
Mel频率倒谱系数（MFCC）
weixin_30699443的博客
08-03 690
Mel频率倒谱系数（Mel Frequency Cepstrum Coefficient）的缩写是MFCC，Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。 作用：和线性预测倒谱系数LPCC一起用于描述语音特征的参数：能量，基音频率，共振峰值等。 1.Mel频率: 是模拟人耳...
梅尔频率倒谱系数
最新发布
qq_52568590的博客
10-09 1540
分帧、加窗；对每一帧进行快速傅里叶变换，得到频谱；使用梅尔尺度滤波器组，模拟人耳感知；计算每个滤波器的对数能量，模拟响度感知；通过离散余弦变换提取倒谱系数，去除频谱信号中的冗余信息；得到 MFCC 特征向量，并可进一步计算动态特征。MFCC 是语音和音频分析中的一种广泛使用的特征提取技术，通过模仿人类的听觉系统，将复杂的音频信号转化为易于处理的特征向量。这种方法不仅减小了数据的维度，还保留了信号的重要频谱信息，特别适用于语音识别等任务。
Mel频率倒谱系数-MFCC
weixin_43142450的博客
10-06 3559
MFCC：Mel频率倒谱系数的缩写。 目的：模拟人耳对不同频率语音的感知 Mel频率和Hz频率的关系 人类对不同频率语音有不同的感知能力: 1kHz以下，与频率成线性关系。 1kHz以上，与频率成对数关系。 Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。 由于Mel频率与Hz频率之间非线性的对应关系，使得MFCC随着频率的提高，其计算精度随之下降。因此，在应用中常常只使用低频MFCC，而丢弃中高频MFCC。 Fmel=2595lg(1+f/700) F_{mel}=
梅尔频率倒谱系数MFCC总结
一个人要像一支队伍
06-11 6799
一、听觉特性。 人们不能完全搞清楚人耳的内部构造，这就不能利用状态空间的方法来分析人耳的听觉特性。但是，可以把人耳当成黑匣子，声音作为激励，人类的反应作为响应，利用信号与系统的经典分析方法，把声音作用于人耳，并观察人类的反应。于是，得到了人耳的听觉特性。 1、人耳对频率具有选择性。 人耳听到的声音的高低与声音频率不成线性关系，而是与该声音频率的对数近似成线性正比关系。 2、人类不能有效地分...
梅尔频率倒谱系数（MFCC）资源
赵至柔的博客
06-11 2625
总结一些关于MFCC写的比较好的资源： 1.MFCC提取过程讲解的非常详细，形象（图表多）： http://blog.youkuaiyun.com/zouxy09/article/details/9156785 2.MFCC原理上讲解的很简洁，有基于MATLAB和HTK的实现代码： http://blog.youkuaiyun.com/jojozhangju/article/details/18678861 3...
matlab 提取翻转梅尔频率倒谱系数MFCC代码
06-06
以下是在Matlab中提取翻转梅尔频率倒谱系数（MFCC）的示例代码： ```matlab % 读取音频文件 [y, Fs] = audioread('example.wav'); % 预处理：对信号进行预加重，使用高通滤波器 preemph = [1, -0.97]; y = filter(preemph, 1, y); % 帧分割：将信号分为若干个帧 frame_size = 0.025; % 帧长（单位：秒） frame_shift = 0.01; % 帧移（单位：秒） frame_length = frame_size * Fs; % 帧长（单位：采样点） frame_step = frame_shift * Fs; % 帧移（单位：采样点） num_frames = floor((length(y) - frame_length) / frame_step) + 1; frames = zeros(frame_length, num_frames); for i = 1:num_frames start_idx = (i-1) * frame_step + 1; frames(:, i) = y(start_idx : start_idx + frame_length - 1); end % 加窗：对每个帧进行汉明窗加窗 window = hamming(frame_length); frames = bsxfun(@times, frames, window); % 快速傅里叶变换：对每个帧进行FFT计算 NFFT = 512; fft_frames = fft(frames, NFFT, 1); % 能量谱：计算每个帧的能量谱 power_frames = abs(fft_frames).^2 / NFFT; % 梅尔滤波器组：计算梅尔滤波器组的系数 num_filters = 20; mel_low_freq = 0; % 梅尔滤波器组的最低频率 mel_high_freq = 2595 * log10(1 + (Fs/2) / 700); % 梅尔滤波器组的最高频率 mel_points = linspace(mel_low_freq, mel_high_freq, num_filters + 2); hz_points = 700 * (10.^(mel_points / 2595) - 1); bin = floor((NFFT + 1) * hz_points / Fs); fbank = zeros(num_filters, NFFT / 2 + 1); for m = 1:num_filters f_m_minus = bin(m); f_m = bin(m+1); f_m_plus = bin(m+2); for k = f_m_minus:f_m fbank(m, k+1) = (k - bin(m)) / (bin(m+1) - bin(m)); end for k = f_m:f_m_plus fbank(m, k+1) = (bin(m+2) - k) / (bin(m+2) - bin(m+1)); end end % 翻转梅尔频率倒谱系数：计算每个帧的MFCC num_ceps = 12; mfcc = zeros(num_ceps, num_frames); for i = 1:num_frames % 将能量谱乘以梅尔滤波器组的系数，得到每个滤波器的输出能量 filter_energies = fbank * power_frames(:, i); % 取对数，得到滤波器组的对数输出能量 log_filter_energies = log(filter_energies + eps); % 对上面的对数输出能量进行离散余弦变换（DCT） mfcc(:, i) = dct(log_filter_energies); % 取前 num_ceps 个系数作为MFCC mfcc(:, i) = mfcc(1:num_ceps, i); end % 翻转MFCC：对每个MFCC向量进行翻转 rfcc = flipud(mfcc); ``` 以上代码中，翻转MFCC的操作是通过 `flipud` 函数实现的。
评论
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