MFCC及提取流程概述

概述

　　MFCC：Mel頻率倒譜系數的縮寫。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(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：根據語音的短時平穩特性，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：三角窗濾波器組的輸出求取對數，可以得到近似于同態變換的結果。

　　 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易受說話人特性、信道特性等的影響，而高階參數的分辨能力比較低，所以需要進行譜加權，抑制其低階和高階參數。

　　 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的影響。

　　 差分參數：大量實驗表明，在語音特征中加入表征語音動態特性的差分參數，能夠提高系統的識別性能。在本系統中，我們也用到了MFCC參數的一階差分參數和二階差分參數。

　　 短時能量：語音的短時能量也是重要的特征參數，本系統中我們采用了語音的短時歸一化對數能量及其一階差分、二階差分參數。