王伟挺的专栏

其实MFCC加DTW模型主要应用于孤立词识别，而且DTW基本用的是ＤＰ算法，所以计算量会偏大，对于8KHz的采样率，帧长256，帧叠128,，单通道(双通道帧太多，难以处理)。所能识别的孤立词最多为7个左右，而本人测试了 对于5个词，仅差别一个字，同样是可以识别出的。总的来说该套模型，对于孤立词识别还是有很好的优势，模板训练量要求并不大。不像HMM，需要大批的训练。ＯＫ，先介绍下理论的知识。

什么是声音？能量波，有频率有振幅，频率高低就是音调，振幅大小就是音量；采样率是对频率采样，采样精度是对幅度采样人耳能听到的频率范围是200-20KHz，什么是CODEC？音频压缩CO+解压缩DEC，CODEC就是多媒体数字信号编解码器，主要负责DAC和ADC。不管是音频加速器好，还是I/O控制器好，他们输入

View this tutorial in: English Only TraditionalChinese Only Both (Default)(req. JavaScript if you want to switch languages)Core StyleSheets: Chocolate Midnight Modernist Oldstyle Steely Swiss Trad

1. 音频简介 经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等.44100HZ 16bit stereo: 每秒钟有 44100 次采样, 采样数据用 16 位(2字节)记录, 双声道(立体声);22050HZ 8bit  mono: 每秒钟有 22050 次采样, 采样数据用 8 位(1字节)记录,