ASR-MFCC特征的物理意义

本文主要是介绍ASR-MFCC特征的物理意义，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一．MFCC简介

梅尔倒谱系数（Mel-scale Frequency Cepstral Coefficients，简称MFCC）是在Mel标度频率域提取出来的倒谱参数，Mel标度描述了人耳频率的非线性特性，它与频率的关系可用下式近似表示：

式中f为频率，单位为Hz。下图展示了Mel频率与线性频率的关系：

MFCC特征组成（以40维为例）：
13维静态系数 + 13维一阶差分系数 + 13维二阶差分系数 + 1维帧能量
其中差分系数用来描述动态特征，也即声学特征在相邻帧间的变化情况。 静态MFCC假设帧与帧之间相互独立，这与实际情况未必符合，比如浊音时相邻帧之间相关程度很高，对应的静态MFCC可能也有较大相关，而动态系数描述了相邻帧的联系，解决了静态MFCC不合理假设可能带来的问题。

二．MFCC特征提取过程

预加重
语音信号通过一个高通滤波器：

u值一般取0.9-1.0之间，用以提升高频信息

分帧
因为音频信号是非平稳的，但很多音频处理技术都是基于概率模型进行的，则需要对信号有一个要求：信号是平稳信号。否则其均值方差等统计量没有意义了。为了处理这一个问题，一般都是讲音频信号进行分帧处理，假设每帧内都是平稳的，一般采用20-30ms为一帧，25%，50%，75%的重叠率。重叠是为了避免信号间的变化过大。

加窗
在之后求傅里叶变换时，为了避免频谱泄露，先进行加窗。常用的窗函数就是汉明窗。

频域转换
将上述加窗后的短时时域信号经过快速傅里叶变换FFT转换到频域。

梅尔刻度滤波器过滤
将信号进行一个平滑，分成几个子带。一般有两种，三角带通滤波器

还有一种是等高度的梅尔滤波

由上图可知：
1、低频分辨率高，高频分辨率低。
2、三角滤波会对高频信息的幅度进行一个衰减。
至于三角滤波还是等高梅尔滤波，看实际研究的需要，如果需要子带之间的相对值大小，则衰减有意义，如果不需要子带间的相对大小，则衰减影响不大。
三角带通滤波器有两个主要目的：
对频谱进行平滑化，并消除谐波的作用，突显原先语音的共振峰。此外，还可以降低运算量。

对数能量
计算每个滤波器组输出的对数能量，即子带能量

DCT变换
经DCT变换得到MFCC系数

三．MFCC的物理含义

MFCC的物理含义就是将语音物理信息（频谱包络和细节）进行编码运算得到的一组特征向量，表示信号频谱的能量在不同频率区间的分布。

这篇关于ASR-MFCC特征的物理意义的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---