语音信号预处理及特征参数提取

最新推荐文章于 2022-03-13 22:29:38 发布

胡瓜_

最新推荐文章于 2022-03-13 22:29:38 发布

阅读量4.9w

点赞数 38

分类专栏：语音识别文章标签：语音识别语音处理语音学

本文链接：https://blog.csdn.net/cwfjimogudan/article/details/71112171

版权

本文介绍了语音信号处理中WAVE文件格式的特点，详细讲解了预处理步骤，包括预加重、分帧、加窗，以及端点检测。重点阐述了MFCC特征参数提取的过程，包括快速傅里叶变换、Mel频率转换、滤波器组和离散余弦变换，以模拟人耳对语音的感知。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. WAVE文件格式

在进行语音信号处理时，基本上会采用WAVE文件进行处理。WAVE文件格式有什么特点呢？为什么要使用WAVE文件呢？

1.1 资源互换文件格式——RIFF

在windows环境下，大部分的多媒体文件都依循着一些通用的结构来存放，这些结构称为“资源互换文件格式”（Resources Interchange File Format)，简称RIFF。RIFF可以看作一种树状结构，其基本构成单位是块（chunk）。每个块由“辨别码”、“数据大小”及“数据”等构成。

RIFF文件的前4字节为其辨别码“RIFF"的ASCII字符码，紧跟其后的双字节数据则标示整个文件大小（单位为字节Byte）。由于表示文件长度或块长度的”数据大小“信息占用4Byte，所以，事实上一个WAVE文件或文件中块的长度为数据大小加8。

1.2 WAVE文件格式

WAVE文件格式是windows中关于声音的一种标准格式，也是RIFF文件格式支持的一种格式，这种格式已成为Windows中的基本声音格式。整个WAVE文件可以分成两部分：前一部分为文件头，后一部分为数据块。根据其编码方式和采样数的不同，这两部分的大小有所不同。在WAVE文件中，所采用的编码方式有PCM（Pulse Code Modulation-脉冲编码调制）和ADPCM(Adaptive Differential Pulse Code Modulation-自适应差分脉冲编码调制）两种。

WAVE文件是非常简单的一种RIFF文件，它的格式类型为"WAVE"。RIFF块包含两个子块，这两个子块的ID分别是"fmt"和"data",其中"fmt"子块由结构PCMWAVEFORMAT所组成，其子块的大小就是sizeofof(PCMWAVEFORMAT),数据组成就是PCMWAVEFORMAT结构中的数据。

下面是一个语音的数据：

下面是数据中每个字节的内容：