mfcc特征提取，如何對(duì)聲音文件提取MFCC特征和LPC特征

來源：整理時(shí)間：2023-08-18 22:03:25 編輯：智能門戶手機(jī)版

本文目錄一覽

1，如何對(duì)聲音文件提取MFCC特征和LPC特征
2，MATLAB中提取MFCC特征
3，MATLAB中提取MFCC特征
4，plp特征提取方法可mfcc有什么區(qū)別
5，plp特征提取方法可mfcc有什么區(qū)別
6，如何提取特征三類韻律特征音質(zhì)特征mfcc參數(shù)
7，語音信號(hào)特征提取用mfcc提取完后的圖看不懂matlab程序求解釋一下圖

1，如何對(duì)聲音文件提取MFCC特征和LPC特征

ygfgyh

如何對(duì)聲音文件提取MFCC特征和LPC特征

2，MATLAB中提取MFCC特征

利用函數(shù)melcepst.m可以得到直接計(jì)算語音信號(hào)s的MFCC參數(shù)：c = melcepst(s, fs。這一命令默認(rèn)地以256點(diǎn)為幀長(zhǎng)計(jì)算12階MFCC參數(shù)，如果s比較長(zhǎng)，將會(huì)按照128點(diǎn)的間隔將s分為若干幀，再分別計(jì)算。即s為你定義的信號(hào)，不是長(zhǎng)度，fs可以取8000。

MATLAB中提取MFCC特征

3，MATLAB中提取MFCC特征

MATLAB中提取MFCC特征

4，plp特征提取方法可mfcc有什么區(qū)別

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。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(zhǎng)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(zhǎng)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。

5，plp特征提取方法可mfcc有什么區(qū)別

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。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(zhǎng)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(zhǎng)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?？焖俑盗⑷~變換(Fast Fourier Transformation, FFT)：將時(shí)域信號(hào)變換成為信號(hào)的功率譜。

期待看到有用的回答！

6，如何提取特征三類韻律特征音質(zhì)特征mfcc參數(shù)

特征提取一、 low-level，主要是MFCC，以及基于MFCC并對(duì)其優(yōu)化的一些方法。 1、 MFCC 2、抗噪聲較優(yōu)的方法： WMVDR：warped minimum variance distortionless response Multitaper MFCC:思想是用multiple windows(tapers)來代替漢明窗。 MHEC：mean Hilbert envelope coefficients.此方法對(duì)抗汽車噪聲很有用。 3、對(duì)抗回聲較優(yōu)的方法（reverberant robustness）： FDLP: frequency domain linear prediction 4、融合MFCC的方法（fusion with MFCC）： SCF/SCM: spectral centroid frequency/magnitude 該方法的提出，是考慮到MFCC子帶中無法體現(xiàn)能量分布，而FM（frequency modulation）計(jì)算量太大。 FFV: fundamental frequency variation,該方法同時(shí)考慮到了MFCC和韻律（prosodic）信息. HSCC: Harmonic structure cepstral coefficient,該方法體現(xiàn)了能量分布，實(shí)現(xiàn)用到了LDA。二、 high-level，主要是基于phone ,syllable ,word 一級(jí)。 1、韻律特征（prosodic features）目前研究的有 pitch distribution和non-uniform extraction region features(NERFs) 2、音素特征(phonetic features) 建模可以用N-gram，也可以用SVM建模。 3、語法特征（lexical features）詞一級(jí)的N-gram，建模的方法有LLR（log likelihood ration）和SVM.SVM的效果應(yīng)該更好一些。 4、 cepstral-derived features 實(shí)現(xiàn)用最大似然線性回歸MLLR（maximum likelihood linear regression）一些特征： MFCC PLP 感知線性預(yù)測(cè) LPC 線性預(yù)測(cè)系數(shù) 過零率 LSP 短時(shí)能量子帶流量比亮度基頻頻譜峰值點(diǎn) SDC CEP 線譜對(duì) 頻譜能量 Delt(MFCC)

7，語音信號(hào)特征提取用mfcc提取完后的圖看不懂matlab程序求解釋一下圖

MFCC是一種語音特征提取技術(shù)，它產(chǎn)生與20世紀(jì)80年代。MFCC為了從人發(fā)出的音頻中去除噪音和情感的影響，提取特征值便于我們進(jìn)行進(jìn)一步的分析。人的發(fā)聲由很多部位共同影響的結(jié)果，如嘴形、牙齒等因素，這種形狀可以決定聲音的輸出。如果我們可以精確的確定形狀，那么我們就可以對(duì)發(fā)出的因素進(jìn)行科學(xué)的表示。這篇文章將帶你走進(jìn)MFCC技術(shù)，解釋它為什么能夠很好的用于語音識(shí)別領(lǐng)域以及如何實(shí)現(xiàn)它。首先我們來確定一下如何進(jìn)行MFCC的步驟：-----1.將音頻分解為幀；-----2.對(duì)于每一幀，計(jì)算周期功率譜；-----3.將mel濾波器應(yīng)用到功率譜中，計(jì)算每個(gè)濾波器的能量和；-----4.計(jì)算能量的對(duì)數(shù)值；-----5.對(duì)每個(gè)對(duì)數(shù)能量進(jìn)行離散余弦變換（DCT）；-----6.保留DCT的2-13個(gè)系數(shù)，其余系數(shù)舍去；現(xiàn)在我們來探討一下每一步的細(xì)節(jié)以及為什么要這么做。一個(gè)音頻信號(hào)通常是不斷變化的，為了簡(jiǎn)化，我們通常假設(shè)一個(gè)較短時(shí)間內(nèi)音頻信號(hào)不會(huì)有較大的變化（我們指統(tǒng)計(jì)上），所以我們把每一幀劃分成20-40ms為宜，若該時(shí)間太短，則沒有足夠的信號(hào)來進(jìn)行功率估計(jì)；方之，若太長(zhǎng)，則每一幀信號(hào)變化太多。下一步是計(jì)算每一幀的周期功率譜，這個(gè)源自人的耳鍋，它隨聲音的大小而發(fā)生不同頻率的振動(dòng)。通過耳鍋的不同位置上的振動(dòng)，不同的神經(jīng)元將會(huì)通知大腦現(xiàn)在聽到的音頻頻率。我們的周期圖同樣為我們做出這種工作，確定幀中存在哪些頻率。周期圖同樣存在一些ASR（Automatic Speech Recognition）不需要的信息。實(shí)際上耳鍋無法辨別兩個(gè)空間上相近的頻率。當(dāng)頻率變大時(shí)，這種影響更明顯。因此，我們采取周期圖塊，并且將它們進(jìn)行累加來得知在不同頻率區(qū)域的能量是多少。這個(gè)是有我們的mel濾波器完成的，第一個(gè)濾波器非常狹窄，可以告訴我們頻率為0Hz附近的能量是多少，當(dāng)頻率漸漸變高時(shí)，我們的濾波器也會(huì)越來越寬，我們只關(guān)心每一個(gè)點(diǎn)能量是多少。mel級(jí)別告訴我們?nèi)绾稳澐譃V波器以及濾波器的寬度如何選擇。一旦我們有了濾波器的能量，我們對(duì)它取對(duì)數(shù)，這也是受人類聽力啟發(fā)的；通常我們無法聽出線性級(jí)別的音量，通常若聲音擴(kuò)大兩倍，我們需要放入8倍的能量進(jìn)去。這就意味著能量上有較大的變化并不代表聲音大小變化很大，為什么這里我們使用對(duì)數(shù)而不是取平方根，那是因?yàn)槲覀兛梢允褂胏epstral mean subtraction，它是一個(gè)頻道歸一化的技巧。最后一步是計(jì)算對(duì)數(shù)能量的DCT，關(guān)于這個(gè)有兩點(diǎn)原因：因?yàn)槲覀兊臑V波器通常都有交疊，因此濾波器能量彼此相關(guān)；DCT對(duì)能量進(jìn)行去相關(guān)，意味著協(xié)方差的對(duì)角矩陣可以用來對(duì)HMM分類器進(jìn)行建模。但是注意，DCT中26個(gè)系數(shù)只有12個(gè)被保留下來，這是因?yàn)镈CT的高階系數(shù)代表濾波器能量的快速變化，事實(shí)證明這些快速變化影響ASR的表現(xiàn)，所以我們?nèi)コ唠A系數(shù)。什么是mel scale(梅爾規(guī)模)?mel scale將感知頻率與音頻的實(shí)際頻率相聯(lián)系起來，人們更容易區(qū)分低頻中的微小頻率變化，而對(duì)高頻中的微小頻率變化則難以區(qū)分。使用mel scale可以幫助更加模擬人的聽覺。從頻率到mel scale的計(jì)算公式為反過來，從mel scale回到頻率的公式為實(shí)現(xiàn)步驟：我們從一段語音信號(hào)開始，假設(shè)該信號(hào)的采樣頻率為16KHz。1.將信號(hào)以20-40ms為一幀進(jìn)行劃分，25ms較為標(biāo)準(zhǔn)。這意味著對(duì)于一個(gè)16KHz的信號(hào)，共有0.025*16000=400個(gè)樣本。幀的間隔通常為10ms，即160個(gè)樣本，即第一幀400個(gè)樣本從樣本0開始，第二幀400個(gè)樣本從樣本160開始，幀之間具有交疊部分，直到達(dá)到語音文件結(jié)尾為止。如果語音文件不能劃分成偶數(shù)個(gè)幀，用0填滿它。下一步是進(jìn)行對(duì)每個(gè)單一幀進(jìn)行提取12個(gè)MFCC系數(shù)，我們約定為我們的時(shí)域信號(hào)，為第i幀的時(shí)域型號(hào)，n的取值為1-400，但我們計(jì)算復(fù)數(shù)離散傅立葉變換，我們得到，i表示第i幀，是第i幀的功率譜。2.為了計(jì)算每一幀的DFT，執(zhí)行下面的運(yùn)算：其中，h(n)為樣本分析的漢明窗，K是DFT的長(zhǎng)度。接下來每一幀的功率譜估計(jì)即這就是功率譜的周期圖估計(jì)，我們將會(huì)進(jìn)行512個(gè)點(diǎn)的FFT，只保留開始的257個(gè)系數(shù)。3.計(jì)算梅爾間距濾波器。這里一般有20-40（26最好）個(gè)三角形濾波器，應(yīng)用到第2步的功率譜上面，我們的濾波器有26個(gè)向量組成，每個(gè)向量元素個(gè)數(shù)為257，每個(gè)向量大部分為0，但是有一部分頻率的值非零。為了計(jì)算濾波器的能量，我們把每一個(gè)濾波器與功率譜進(jìn)行相乘，然后系數(shù)相加，最后這就給了我們26個(gè)數(shù)值，它們代表每一個(gè)濾波器上面的能量。下圖說明了這些細(xì)節(jié)：4.分別計(jì)算第3步中26個(gè)能量的對(duì)數(shù)值。5.對(duì)26個(gè)對(duì)數(shù)能量進(jìn)行DCT，得到26個(gè)系數(shù)，我們只取前12個(gè)。這樣，我們對(duì)于每一幀得到的12個(gè)數(shù)稱為Mel Frequency Cepstral Coefficients，即梅爾頻率倒譜系數(shù)。關(guān)于計(jì)算梅爾間距濾波器的細(xì)節(jié)部分：這一部分為了方便講解我們使用10個(gè)濾波器，實(shí)際中應(yīng)該使用26-40個(gè)濾波器。我們首先要選擇頻率上下限，一般取300Hz為最小頻率，8000Hz為最大頻率。當(dāng)然如果語音的采樣頻率為8000Hz，那么我們的最大頻率修改為4000Hz。然后進(jìn)行如下步驟：1.使用方程1，將頻率轉(zhuǎn)化為梅爾頻率，即300Hz變?yōu)?01.25Mels，8000Hz變?yōu)?834.99Mels。2.對(duì)于這個(gè)例子，我們需要10個(gè)濾波器，因此需要找到12個(gè)點(diǎn)。意味著我們要在梅爾最大最小頻率之間再插10個(gè)等間隔頻率，即m(i) = 401.25, 622.50, 843.75, 1065.00, 1286.25, 1507.50, 1728.74,1949.99, 2171.24, 2392.49, 2613.74, 2834.993.我們使用方程2將梅爾頻率還原成頻率h(i) = 300, 517.33, 781.90, 1103.97, 1496.04, 1973.32, 2554.33, 3261.62, 4122.63, 5170.76, 6446.70, 80004.由于我們不知道每個(gè)頻率應(yīng)該放在FFT過后的哪個(gè)點(diǎn)處，所以我們需要對(duì)這些頻率進(jìn)行轉(zhuǎn)為相應(yīng)的FFT過后的點(diǎn)， f(i) = floor((nfft+1)*h(i)/samplerate)然后我們計(jì)算出結(jié)果 f(i) = 9, 16, 25, 35, 47, 63, 81, 104, 132, 165, 206, 256注意這里我們之前說了采樣頻率為16KHz，然后nfft=512。5.現(xiàn)在我們可以來建立濾波器了，第一個(gè)濾波器應(yīng)該從第一個(gè)點(diǎn)開始，在第二個(gè)點(diǎn)處到達(dá)峰值，在第三個(gè)點(diǎn)處為0......同理可得其他，公式如下所示：最后，10個(gè)濾波器的圖像如下所示：（工作時(shí)，頻率從300Hz開始）最后一點(diǎn):Deltas and Delta-Deltas又名差和加速系數(shù)，MFCC特征系數(shù)僅僅概括單一幀的功率譜，但是語音信號(hào)似乎是動(dòng)態(tài)的，例如MFCC特征系數(shù)隨時(shí)間變化的軌跡如何，實(shí)踐表明，計(jì)算MFCC后，再加上一些原始的特征向量能夠提高ASR的表現(xiàn)。（如果我們有12個(gè)MFCC，又有12個(gè)delta系數(shù)，這樣一共得到24個(gè)系數(shù)）計(jì)算delta系數(shù)的公式如下：其中是一個(gè)delta系數(shù)，由和計(jì)算而來，N的典型值一般取2，差和加速系數(shù)計(jì)算方法類似，不過它們的是對(duì)delta來求的，而不是c。

强奸久久久久久久|草草浮力在线影院|手机成人无码av|亚洲精品狼友视频|国产国模精品一区|久久成人中文字幕|超碰在线视屏免费|玖玖欧洲一区二区|欧美精品无码一区|日韩无遮一区二区

mfcc特征提取，如何對(duì)聲音文件提取MFCC特征和LPC特征

本文目錄一覽

1，如何對(duì)聲音文件提取MFCC特征和LPC特征

2，MATLAB中提取MFCC特征

3，MATLAB中提取MFCC特征

4，plp特征提取方法可mfcc有什么區(qū)別

5，plp特征提取方法可mfcc有什么區(qū)別

6，如何提取特征三類韻律特征音質(zhì)特征mfcc參數(shù)

7，語音信號(hào)特征提取用mfcc提取完后的圖看不懂matlab程序求解釋一下圖

最近更新

相關(guān)文章

知識(shí)最新文章

廠商排行榜推薦

知識(shí)排行榜精選

知識(shí)文章排行榜

熱門標(biāo)簽

强奸久久久久久久|草草浮力在线影院|手机成人无码av|亚洲精品狼友视频|国产国模精品一区|久久成人中文字幕|超碰在线视屏免费|玖玖欧洲一区二区|欧美精品无码一区|日韩无遮一区二区

mfcc特征提取，如何對(duì)聲音文件提取MFCC特征和LPC特征

本文目錄一覽

1，如何對(duì)聲音文件提取MFCC特征和LPC特征

2，MATLAB中提取MFCC特征

3，MATLAB中提取MFCC特征

4，plp特征提取方法可mfcc有什么區(qū)別

5，plp特征提取方法可mfcc有什么區(qū)別

6，如何提取特征三類韻律特征音質(zhì)特征mfcc參數(shù)

7，語音信號(hào)特征提取用mfcc提取完后的圖看不懂matlab程序求解釋一下圖

最近更新

相關(guān)文章

知識(shí)最新文章

廠商排行榜推薦

知識(shí)排行榜精選

知識(shí)文章排行榜

熱門標(biāo)簽

mfcc特征提取，如何對(duì)聲音文件提取MFCC特征和LPC特征

1，如何對(duì)聲音文件提取MFCC特征和LPC特征

2，MATLAB中提取MFCC特征

3，MATLAB中提取MFCC特征

4，plp特征提取方法可mfcc有什么區(qū)別

6，如何提取特征三類韻律特征音質(zhì)特征mfcc參數(shù)

7，語音信號(hào)特征提取用mfcc提取完后的圖看不懂matlab程序求解釋一下圖