mfcc提取

MFCC提取

提取MFCC的过程

预处理包括：预加重，分帧加窗等操作。

预加重：

1. 平衡频谱，因为高频通常与较低频率相比具有较小的幅度
2. 避免在傅里叶变换操作过程中出现数值问题
3. 改善信号-噪声比
4. 消除发声过程中声带和嘴唇的效应，来补偿语音信号受到发音系统所抑制的高频部分，也为了突出高频的共振峰，

分帧：

• 在大多数情况下，语音信号是非平稳的，对整个信号进行傅里叶变换是没有意义的，因此我们会随着时间的推移丢失信号的频率轮廓。
• 语音信号是短时平稳信号，因此我们在短时帧上进行傅里叶变换，通过连接相邻帧来获得信号频率轮廓的良好近似。
• 一般帧长frame_size = 0.025，也就是8khz信号的帧长度为0.025*8000=200个采样点。帧移通常为frame_stride=0.01，（80个采样点）。为了避免相邻两帧变化过大，因此会让两个相邻帧之间有一段重叠。

梅尔频率倒谱系数MFCC

在得到f-bank的基础上，进行离散余弦变换（DCT）即可得到MFCC。通常，对于自动语音识别，保留所得到的的倒谱系数2-13，其余部分被丢弃。丢弃其它系数的原因是他们代表了滤波器组系数的快速变化，并且这些精细的细节对自动语音识别没有贡献。

mfcc = dct(filter_banks, type=2, axis=1, norm='ortho')[:, 1 : (num_ceps + 1)] # 保持在2-13，num_ceps=12