MFCC - 13系数

Question

我正在尝试根据我找到的这篇论文(http://arxiv.org/pdf/1003.4083.pdf)来计算MFCC算法，所以到目前为止我所做的是：

步骤1)预强调

第2步)成帧

步骤3)汉明加窗

步骤4)快速傅立叶变换

步骤5) Mel滤波器组处理

步骤6)：离散余弦变换

基本上，我使用Mel组滤波器并将它们与实际的原始信号相乘。然后，我对这些结果执行了FFT，如下所示：

帧1上的FFT：

​

​

然后我计算了FFT的DCT，结果如下所示：

第1帧上的DCT：

​

​

到目前为止，这看起来正确吗？有没有办法让我检查一下，这样我就知道我走的方向是对的？

此外，我需要获得13个系数，但我不知道如何确定这些系数中的哪一个。我得到了256个值，那么我要取前13个值吗？或者，我得到的是总能量？

我希望有人能帮助我。

Answer 1

不，你错了。

你需要计算快速傅立叶变换后的mel滤波器组能量的对数，然后才能应用离散余弦变换。滤波器组的能量数应该是20或40，经过DCT后，你应该得到20或40个数字，并取前13个数字。

你对FFT所做的一切都是错误的。

你可能想要阅读一些MFCC代码，而不是从头开始做一些事情，有很多实现，例如在sphinxbase中：

http://cmusphinx.sourceforge.net

Answer 2

经过几天的类似搜索，我偶然发现了一个非常有用的关于如何获得MFC Coeficients的教程：Mel Frequency Cepstral Coefficient (MFCC) tutorial

(虽然这个帖子很老，但我希望答案能对未来的读者有所帮助)

Answer 3

我对你刚刚写的东西感到困惑。我唯一需要知道的是我已经将信号分割成帧，n= 100，m= 256 (我相信)，这产生了大约390个块，那么，每个块有13个系数，还是整个声音fle只有13个系数？

答案是每个块有13个系数，而不是整个声音文件。

并且你计算mfcc系数的方法是错误的，你应该遵循你提到的1-6个步骤。

步骤1)对整个声音文件进行预加重。

步骤2)对整个声音文件进行分帧，得到多个分块

步骤3)对每个块进行汉明加窗

步骤4)每个块的快速傅立叶变换

步骤5)每个块的Mel滤波器组处理

步骤6)：每个块的离散余弦变换