#语音信号处理基础（十一） |
您所在的位置：网站首页 › 梅尔频率是什么 › #语音信号处理基础（十一） |
#语音信号处理基础（十一）
|
文章目录
1.Mel频率倒谱系数（Mel-Frequency Cepstral Coefficients）2.梅尔参数的提取
1.Mel频率倒谱系数（Mel-Frequency Cepstral Coefficients）
我们将频谱通过一组Mel滤波器得到Mel频谱。
公式表述就是：log X[k] = log (Mel-Spectrum)。这时候我们在log X[k]上进行倒谱分析：
1）取对数：log X[k] = log H[k] + log E[k]。 2）进行逆变换：x[k] = h[k] + e[k]。 在Mel频谱上面获得的倒谱系数h[k]就称为Mel频率倒谱系数，简称MFCC。现在咱们来总结下提取MFCC特征的过程： 1）先对语音进行预加重、分帧和加窗； 2）对每一个短时分析窗，通过FFT得到对应的频谱； 3）将上面的频谱通过Mel滤波器组得到Mel频谱； 4）在Mel频谱上面进行倒谱分析（取对数，做逆变换，实际逆变换一般是通过DCT离散余弦变换来实现，取DCT后的第2个到第13个系数作为MFCC系数），获得Mel频率倒谱系数MFCC，这个MFCC就是这帧语音的特征；
参考：https://blog.csdn.net/zouxy09/article/details/9156785 1）预加重 预加重的目的是提升高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中，能用同样的信噪比求频谱。同时，也是为了消除发生过程中声带和嘴唇的效应，来补偿语音信号受到发音系统所抑制的高频部分，也为了突出高频的共振峰。 实现代码 %MFCC参数提取 clear all; clc; close all; [x,Fs]=audioread('bluesky3.wav'); %对输入的语音序列x进行MFCC参数的提取，返回MFCC参数和一阶 %差分MFCC参数，Mel滤波器的阶数为24 %fft变换的长度为256，采样频率为8000Hz，对x 256点分为一帧 %Mel滤波 fs = 8000; %采样频率 fl = 0; %fl是设计滤波器的最低频率 fh = fs / 2; %fh是设计滤波器的最高频率 bl = 1125 * log(1 + fl/700); %最低频率对应的Mel频率 bh = 1125 * log(1 + fh/700); %最高频率对应的Mel频率 p = 24; %在fl和fh之间设计Mel滤波器的个数 N = 256; %FFT点数,N越大,频率分辨率越高,误差越小 MelF = linspace(0, bh-bl, p+2); %在0至bh-bl的Mel频率范围内产生p+2个Mel频率值 F = 700 * (exp(MelF/1125) - 1); %将上一步产生的p+2个Mel频率值转化为p+2个实际频率值 df = fs / N; %计算频率分辨率 n = N/2 + 1; %计算fs/2内对应的FFT点数 f = (0:n-1) * df; %计算频率序列,共有n个频率点 bank = zeros(24, n); %生成24行n列的全零矩阵 for m1 = 2:p+1 %循环起始数为2，因为下方语句中用到m-1的值,其中m-1必须为正整数,所以m为大于等于2的正整数 %F为实际频率,分别找到三角滤波器左中右对应的频率 F_left = F(m1-1); F_mid = F(m1); F_right = F(m1+1); %使用ceil（）函数向上取整，计算实际频率对应的FFT点数 n_left = ceil(F_left / df); %频率F_left对应的FFT点数 n_mid = ceil(F_mid / df); %频率F_mid对应的FFT点数 n_right = ceil(F_right / df); %频率F_right对应的FFT点数 %用三角窗的频率响应函数作图 for k = 1:n %根据FFT点数画三角窗 if k>=n_left & kn_mid & k |
这时候，语音就可以通过一系列的倒谱向量来描述了，每个向量就是每帧的MFCC特征向量。
这样就可以通过这些倒谱向量对语音分类器进行训练和识别了。【本文地址】