mfcc计算 java_MFCC特征提取详细计算过程

一、MFCC计算总体流程

1.信号的预处理，包括预加重(Preemphasis)，分帧(Frame Blocking)，加窗(Windowing)。假设语音信号的采样频率fs=8KHz.由于语音信号在10-30ms认为是稳定的，则可设置帧长为80~240点。帧移可以设置为帧长的1/2.

预加重处理其实是一个高通滤波器，该高通滤波顺的传递函数为：

其中的取值为0.97，该高通滤波器作用是滤去低频，使语音信号的高频特性更加突现。

由于语音信号只在较短的时间内呈现平稳性(一般认为

10-30ms

)，(项目中每帧是24ms，48K pcm每ms 48个采样点，24 * 48 = 1152)因此将语音信号划分为一个一个的短时段即一帧。同时为避免丢失语音信号的动态信息，相邻帧之间要有一段重叠区域，重叠区域一段为帧长的

1/2

或

1/3

。然后再将每帧乘上窗函数，以增加每帧左端和右端的连续性。

2.对每一帧进行FFT变换，求频谱，进而求得幅度谱。

对分帧加窗后的各帧信号进行FFT变换得到各帧的频谱。并对语音信号的频谱取模平方得到语音信号的功率谱。

3.对幅度谱加Mel滤波器组(Mel滤波器组设计问题)。

4.对所有的滤波器输出做对数运算(Logarlithm)，再进一步做离散余弦变换DCT可得MFCC。做对数运算是为了

调到分贝(dB)域(也是为了模拟人耳)，DCT是为了压缩。只用20个coefficients表示，阔以重建mfcc(dB)。

图1:DCT压缩前的MFCC in dB

图2为DCT系数矩阵、DCT压缩后、DCT重建