如何从信号的FFT中获得MFCC？

Question

短而简单： Hi都很简单.我只想知道从FFT中获得MFCC的步骤。

详细信息：

大家好。我正在做一个鼓的应用程序，我想分类声音。它只是一个匹配的应用程序，它返回您在鼓上演奏的音符的名称。

这是一个简单的印度大鼓声。那里只有几个音符可以演奏。

我实现了fft算法，并成功地获得了频谱。现在我想更进一步，从fft中返回mfcc。

到目前为止，这就是我所理解的。它基于对数功率谱在非线性mel尺度上的线性余弦变换。

它采用三角剖分法滤除频率，得到所需的系数。jsc59 59/images/melfilt.png

所以如果你有大约1000个从fft算法返回的值--声音的频谱，那么你需要得到大约12个元素(即系数)。这个12元素的矢量被用来分类仪器，包括鼓.

这正是我想要的。

有人能帮我做这样的事吗？我的编程技巧很好。我目前正在为iphone创建一个应用程序。和openframeworks一起。

任何帮助都将不胜感激。干杯

Answer 1

首先，你必须把信号分割成10到30毫秒的小帧，应用加窗功能(嗡嗡声被推荐用于声音应用)，并计算信号的傅里叶变换。对于DFT，要计算Mel频率倒谱系数，必须遵循以下步骤：

1. 获得功率谱:x_DFT_x^2
2. 计算三角形组滤波器将hz尺度转换为mel尺度
3. 测井谱
4. 应用离散余弦变换

python代码示例：

import numpy
from scipy.fftpack import dct
from scipy.io import wavfile

sampleRate, signal = wavfile.read("file.wav")
numCoefficients = 13 # choose the sive of mfcc array
minHz = 0
maxHz = 22.000  

complexSpectrum = numpy.fft(signal)
powerSpectrum = abs(complexSpectrum) ** 2
filteredSpectrum = numpy.dot(powerSpectrum, melFilterBank())
logSpectrum = numpy.log(filteredSpectrum)
dctSpectrum = dct(logSpectrum, type=2)  # MFCC :)

def melFilterBank(blockSize):
    numBands = int(numCoefficients)
    maxMel = int(freqToMel(maxHz))
    minMel = int(freqToMel(minHz))

    # Create a matrix for triangular filters, one row per filter
    filterMatrix = numpy.zeros((numBands, blockSize))

    melRange = numpy.array(xrange(numBands + 2))

    melCenterFilters = melRange * (maxMel - minMel) / (numBands + 1) + minMel

    # each array index represent the center of each triangular filter
    aux = numpy.log(1 + 1000.0 / 700.0) / 1000.0
    aux = (numpy.exp(melCenterFilters * aux) - 1) / 22050
    aux = 0.5 + 700 * blockSize * aux
    aux = numpy.floor(aux)  # Arredonda pra baixo
    centerIndex = numpy.array(aux, int)  # Get int values

    for i in xrange(numBands):
        start, centre, end = centerIndex[i:i + 3]
        k1 = numpy.float32(centre - start)
        k2 = numpy.float32(end - centre)
        up = (numpy.array(xrange(start, centre)) - start) / k1
        down = (end - numpy.array(xrange(centre, end))) / k2

        filterMatrix[i][start:centre] = up
        filterMatrix[i][centre:end] = down

    return filterMatrix.transpose()

def freqToMel(freq):
    return 1127.01048 * math.log(1 + freq / 700.0)

def melToFreq(mel):
    return 700 * (math.exp(mel / 1127.01048) - 1)

此代码基于MFCC真空实例。我希望这对你有帮助！