Mel mfcc的组成部分是什么？

Question

在查看这一行代码的输出时：

mfccs = librosa.feature.mfcc(y=librosa_audio, sr=librosa_sample_rate, n_mfcc=40)
print("MFCC Shape = ", mfccs.shape)

我得到了MFCC Shape = (40,1876)的回复。这两个数字代表什么？我看了看librosa网站，但仍然无法解释这两个值是什么。

任何见解都将受到极大的赞赏！

Answer 1

第一维(40)是MFCC系数的数目，第二维(1876)是时间帧的数目。MFCC的数目由n_mfcc指定，时间帧的数目由音频的长度(以样本为单位)除以hop_length。

要理解MFCC本身的含义，您应该了解计算它们所采取的步骤：

• 光谱图，使用短时傅里叶变换
• 从应用Mel规模滤波器组到STFT的Mel谱图
• Mel频率倒谱系数，从应用DCT变换到mel谱图.

一个好的书面解释者是Haytham Fayek:用于机器学习的语音处理:滤波器组、Mel-频率倒谱系数(MFCC)和介于其中的，一个好的视频解释者是AI: Mel-频率倒谱系数的解释。