MFCC及提取流程概述
概述
MFCC:Mel頻率倒譜系數(shù)的縮寫。Mel頻率是基于人耳聽覺特性提出來的,它與Hz頻率成非線性對(duì)應(yīng)關(guān)系。Mel頻率倒譜系數(shù)(MFCC)則是利用它們之間的這種關(guān)系,計(jì)算得到的Hz頻譜特征。
應(yīng)用
MFCC已經(jīng)廣泛地應(yīng)用在語音識(shí)別領(lǐng)域。由于Mel頻率與Hz頻率之間非線性的對(duì)應(yīng)關(guān)系,使得MFCC隨著頻率的提高,其計(jì)算精度隨之下降。因此,在應(yīng)用中常常只使用低頻MFCC,而丟棄中高頻MFCC。
提取流程
MFCC參數(shù)的提取包括以下幾個(gè)步驟:
預(yù)濾波:CODEC前端帶寬為300-3400Hz的抗混疊濾波器。
A/D變換:8kHz的采樣頻率,12bit的線性量化精度。
預(yù)加重:通過一個(gè)一階有限激勵(lì)響應(yīng)高通濾波器,使信號(hào)的頻譜變得平坦,不易受到有限字長效應(yīng)的影響。
分幀:根據(jù)語音的短時(shí)平穩(wěn)特性,語音可以以幀為單位進(jìn)行處理,實(shí)驗(yàn)中選取的語音幀長為32ms,幀疊為16ms。
加窗:采用哈明窗對(duì)一幀語音加窗,以減小吉布斯效應(yīng)的影響。
快速傅立葉變換(Fast Fourier Transformation, FFT):將時(shí)域信號(hào)變換成為信號(hào)的功率譜。
三角窗濾波:用一組Mel頻標(biāo)上線性分布的三角窗濾波器(共24個(gè)三角窗濾波器),對(duì)信號(hào)的功率譜濾波,每一個(gè)三角窗濾波器覆蓋的范圍都近似于人耳的一個(gè)臨界帶寬,以此來模擬人耳的掩蔽效應(yīng)。
求對(duì)數(shù):三角窗濾波器組的輸出求取對(duì)數(shù),可以得到近似于同態(tài)變換的結(jié)果。
離散余弦變換(Discrete Cosine Transformation, DCT):去除各維信號(hào)之間的相關(guān)性,將信號(hào)映射到低維空間。
譜加權(quán):由于倒譜的低階參數(shù)易受說話人特性、信道特性等的影響,而高階參數(shù)的分辨能力比較低,所以需要進(jìn)行譜加權(quán),抑制其低階和高階參數(shù)。
倒譜均值減(Cepstrum Mean Subtraction, CMS):CMS可以有效地減小語音輸入信道對(duì)特征參數(shù)的影響。
差分參數(shù):大量實(shí)驗(yàn)表明,在語音特征中加入表征語音動(dòng)態(tài)特性的差分參數(shù),能夠提高系統(tǒng)的識(shí)別性能。在本系統(tǒng)中,我們也用到了MFCC參數(shù)的一階差分參數(shù)和二階差分參數(shù)。
短時(shí)能量:語音的短時(shí)能量也是重要的特征參數(shù),本系統(tǒng)中我們采用了語音的短時(shí)歸一化對(duì)數(shù)能量及其一階差分、二階差分參數(shù)。