MFCC 过程理解

本文介绍了MFCC(梅尔频率倒谱系数)在语音识别中的应用,包括预加重、分帧、加窗、补零、FFT转换、梅尔刻度转化等步骤,阐述了每个步骤的作用和原理,旨在帮助读者理解MFCC如何模拟人耳处理语音的特点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

---最近看信号处理相关的知识,会随时补充或者更正之前写的不对的地方,或者是补充一些自己的理解----


ref:  https://www.zhihu.com/question/27268668 等。 


语音识别中常用的特征提取方法: 声学特征有线性预测编码(Linear Predictive Coding,LPC),梅尔频率倒谱系数(Mel-frequency Cepstrum Coefficients,MFCC),梅尔标度滤波器组(Mel-scale Filter Bank,FBank), 其中PLP MFCC 是倒谱特征。

梅尔频率倒谱系数:一定程度上模拟了人耳对语音的处理特点

首先是基本步骤:

 参考:http://lufo.me/2015/06/ASR1/

(1)预加重(Preemphasizing):在语音信号中,由于声门气流波的影响,每倍频衰减是12dB, 而唇腔辐射是每倍频增加6dB,  所以总的效果是每倍频衰减6dB, 为了弥补这6dB我们采取预加重。由于

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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