MFCC及提取流程概述

概述

　　MFCC：Mel頻率倒譜系數(shù)的縮寫(xiě)。Mel頻率是基于人耳聽(tīng)覺(jué)特性提出來(lái)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(yǔ)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(guò)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(zhǎng)效應(yīng)的影響。

　　 分幀：根據(jù)語(yǔ)音的短時(shí)平穩(wěn)特性，語(yǔ)音可以以幀為單位進(jìn)行處理，實(shí)驗(yàn)中選取的語(yǔ)音幀長(zhǎng)為32ms，幀疊為16ms。

　　 加窗：采用哈明窗對(duì)一幀語(yǔ)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(lái)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(shuō)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(yǔ)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(yǔ)音特征中加入表征語(yǔ)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(yǔ)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(yǔ)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)。