语音识别特征—MFCC（理论篇）

                                                                        语音特征提取—MFCC(理论篇)

  本文为语音特征提取—MFCC理论部分，参考哥伦比亚大学语音识别代码进行提取，其具体流程如下：

  （1）预加重、分帧以及加窗

      语音识别中特征提取过程首先进行预加重、分帧以及加窗操作，其具体理论如下：

      1.1 预加重

       语音信号的预加重，目的是为了对语音的高频部分进行加重，去除口唇辐射的影响，增加语音的高频分辨率，其定义如下：

       一阶FIR高通数字滤波器来实现预加重，其中a为预加重系数，0.9<a<1.0。设n时刻的语音采样值为x(n)，经过预加重处理后的结果为y(n)）=x(n)-ax(n-1),这里取a=0.98。

      1.2 分帧   

      1.3 加窗

  （2）傅里叶变换

      语音中傅里叶变换主要是将时域语音信号转化到频率中，其理论部分可以参考：https://blog.csdn.net/manmanxiaowugu-n/article/details/84590396

  （3）Mel滤波

      首先给出Mel滤波理论部分，主要是将经过FFT后的语音数据点通过Mel滤波器组进而可以达到更好的效果，其定义如下：

   

      先将频率域f转移至Mel域，再对Mel域进行语音信号处理，最后与语音功率进行乘积累加得到一帧语音经过Mel滤波结果，其中Mel滤波器组定义如下：

      笔者为进一步阐述上述理论，对FFT于Mel域信号进行进一步阐述，并给出了具体推导方法：

      大家不要把Mel滤波器组想的很多是，实际上就是一个分段函数，对FFT后语音信号提取其中H值，最后与对应FFT信号的功率谱进行乘积，最后累加得到。

  （4）DCT变换

    所谓DCT即是对经过Mel滤波器组的语音信号进行再变化，上式为具体计算流程。

至此，语音特征—MFCC 理论推导完毕！