Kaldi脚本分析（2）——特征提取

1特征提取

1.1特征提取概述

• 输入采样率为16kHz的音频
• 计算一个音频文件中的总帧数（通常帧长25ms，帧移10ms）
• 提取数据，可选做dithering（加一点噪声避免出现log0）
• 预加重(如s’(t)= s(t) -0.97 s(t-1))和去除直流偏移
• 乘上窗函数，如Hamming窗
• 离散傅里叶变换FFT，并在每个频点（frequencybin）计算功率谱能量
• 计算每个梅尔滤波器的能量（23个部分重叠的三角滤波器）
• 计算对数能量，得到FBANK特征，常用于DNN-HMM的ASR系统
• 做IDFT变换（得到cepstrum），根据要求保留系数，常选择前12维MFCC系数作为特征向量（去除F0相关信息），再加上能量值，共13维。加上时间动态特性，即一阶、二阶导数，总计39维MFCC特征。因为上一步中计算得到的对数能量为实数且对称，这里离散傅里叶反变换IDFT等价于余弦变换DCT。
• 选做倒谱系数lifter（仅仅是比例变换，确保系数在合理范围内）

 

1.2特征提取脚本流程

#prod