HTK语音识别之MFCC参数基本配置参数解释

MFCC基本配置参数解释

SOURCEKIND = WAVEFORM -文件种类是语音

SOURCEFORMAT = WAV -格式是WAV格式

SOURCERATE = 625.0-采样率是16KHZ（16000个采样点/s，1个点是1/160000s=625*100ns，100ns是HTK的时间单位）

TARGETKIND=MFCC_E_D_A -目标是MFCC文件，以及energy(E,能量)， delta(D,一阶导数)，delta-delta(A,二阶导数)

TARGETRATE=100000 -窗间隔为10ms（100000*100ns）

WINDOWSIZE=250000 -窗长为25ms（250000*100ns）  

ZMEANSOURCE=T -将来源文件取zero mean,即去掉DC值

USEHAMMING=T -使用hamming window

PREEMCOEF=0.97 -预加重系数0.97

NUMCHANS=26 -在MEL刻度下等分成26个频带，滤波器组的组数

USEPOWER=F -不使用c(0)参数  

ENORMALISE = T-对能量归一化

CEPLIFTER = 22 -倒谱升降系数

NUMCEPS = 12-倒谱参数数

SAVECOMPRESSED = F -不以压缩模式保存输出文件

SAVEWITHCRC = T-将校验和加到输出参数文件

CVN：Cepstral Variance Normalization（倒谱方差归一化）

CMN：Cepstral Mean Normalization（倒谱均值归一化）