如何生成MFCC算法的三角窗口并如何使用它们？

Question

如何生成MFCC算法的三角窗口并如何使用它们？

9

我正在使用Java实现MFCC算法。

这里有一个Matlab的示例代码：http://www.ee.columbia.edu/~dpwe/muscontent/practical/mfcc.m。但是，我在mel滤波器银行处理方面遇到了一些问题。如何生成三角形窗口以及如何使用它们？

PS1：这篇文章中有一部分描述了MFCC：http://arxiv.org/pdf/1003.4083

PS2：如果有一份关于MFCC算法步骤基础的文档，那就太好了。

PS3：我的主要问题与Java线性和对数滤波器的MFCC有关，一些实现同时使用线性和对数滤波器，而另一些则不使用。那些滤波器是什么，中心频率概念是什么。我遵循这段代码：MFCC Java，那和这段代码有什么区别：MFCC Matlab

- kamaci

如果你使用Matlab的话，VoiceBox工具箱有用于完成这个任务的Matlab代码。也许你可以进行代码移植。 - Phonon

2个回答

3

第二个问题的答案：我找到了这篇教程，它真正帮助我计算MFCC。

至于三角形窗口和滤波器组，据我所知，它们重叠，不会延伸到负频率，并且从FFT频谱计算它们并将其应用回去的整个过程如下：

选择过滤器的最小和最大频率（例如，最小频率= 300Hz-最小语音频率，最大频率=您的采样率/2。也许这就是您应该选择1000Hz限制的地方）
从所选最小和最大频率计算mel值。公式在此处。
在这两个mel值之间计算N个等距值。（我看过使用不同N值的示例，甚至可以在此工作中找到不同值的效率比较，对于我的测试，我选择了26）
将这些值转换回Hz。（您可以在同一维基页面上找到公式）=> N + 2个滤波器值的数组
为每三个连续值计算一个滤波器组（滤波器三角形），可以像Thomas上面建议的那样（注意索引）或者像本帖子开头推荐的教程中一样进行）=>数组的数组，大小为NxM，假设您的FFT返回了2 * M个值，您只使用了M。
将整个功率谱（从FFT获得的M值）通过每个三角形滤波器以获取每个滤波器的“滤波器组能量”（对于每个滤波器组（N循环），将FFT后获得的每个幅度乘以相应滤波器组（M循环）中的每个值并添加所获得的M值）=> N大小的能量数组。

这些是您可以进一步应用对数，应用DCT并提取MFCC的滤波器组能量...

- Ioanna

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Thomas Minor · Accepted Answer

三角形窗口作为频带滤波器并不难实现。你需要在每个频带（定义为中心频率i-1和中心频率i+1之间的频率空间）内集成FFT数据。

你基本上要寻找像这样的东西，

for(int bandIdx = 0; bandIdx < numBands; bandIdx++) {
    int startFreqIdx  = centerFreqs[bandIdx-1];
    int centerFreqIdx = centerFreqs[bandIdx];
    int stopFreqIdx   = centerFreqs[bandIdx+1];

    for(int freq = startFreqIdx; i < centerFreqIdx; i++) {
        magnitudeScale = centerFreqIdx-startFreqIdx;
        bandData[bandIdx] += fftData[freq]*(i-startFreqIdx)/magnitudeScale;
    }

    for(int freq = centerFreqIdx; i <= stopFreqIdx; i++) {
        magnitudeScale = centerFreqIdx-stopFreqIdx;
        bandData[bandIdx] += fftData[freq]*(i-stopFreqIdx)/magnitudeScale;
    }
}

如果您不理解“中心频率”、“带宽”或“滤波器”的概念，请参考一本初级信号处理教材--在了解算法的作用之前，您不应该实现它。

至于确切的中心频率是什么，这取决于您。尝试并选择（或从出版物中找到）捕捉您想要从数据中隔离出来的信息的值。没有确定的值或甚至是值得规模，原因是此算法试图近似人耳，而人耳是一个非常复杂的听觉设备。某个比例尺可能更适用于语音，而另一个比例尺可能更适用于音乐等。选择合适的取决于您。