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頻率成非線性對應關系。Mel頻率倒譜系數(shù)(MFCC)則是利用它們之間的這種關系，計算得到的Hz頻譜特征。
應用
MFCC已經(jīng)廣泛地應用在語音識別領域。由于Mel頻率與Hz頻率之間非線性的對應關系，使得MFCC隨著頻率的提高，其計算精度隨之下降。因此，在應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步驟：
預濾波：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。
預加重：通過一個一階有限激勵響應高通濾波器，使信號的頻譜變得平坦，不易受到有限字長效應的影響。
分幀：根據(jù)語音的短時平穩(wěn)特性，語音可以以幀為單位進行處理，實驗中選取的語音幀長為32ms，幀疊為16ms。
加窗：采用哈明窗對一幀語音加窗，以減小吉布斯效應的影響。
快速傅立葉變換(Fast Fourier Transformation, FFT)：將時域信號變換成為信號的功率譜。
三角窗濾波：用一組Mel頻標上線性分布的三角窗濾波器(共24個三角窗濾波器)，對信號的功率譜濾波，每一個三角窗濾波器覆蓋的范圍都近似于人耳的一個臨界帶寬，以此來模擬人耳的掩蔽效應。
求對數(shù)：三角窗濾波器組的輸出求取對數(shù)，可以得到近似于同態(tài)變換的結果。
離散余弦變換(Discrete Cosine Transformation, DCT)：去除各維信號之間的相關性，將信號映射到低維空間。
譜加權：由于倒譜的低階參數(shù)易受說話人特性、信道特性等的影響，而高階參數(shù)的分辨能力比較低，所以需要進行譜加權，抑制其低階和高階參數(shù)。
倒譜均值減(Cepstrum Mean Subtraction, CMS)：CMS可以有效地減小語音輸入信道對特征參數(shù)的影響。
差分參數(shù)：大量實驗表明，在語音特征中加入表征語音動態(tài)特性的差分參數(shù)，能夠提高系統(tǒng)的識別性能。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)。
短時能量：語音的短時能量也是重要的特征參數(shù)，本系統(tǒng)中我們采用了語音的短時歸一化對數(shù)能量及其一階差分、二階差分參數(shù)。
下載文檔
