Mel-Filter banks/MFCC特征提取（基于python）

最新推荐文章于 2024-08-10 07:14:51 发布
最新推荐文章于 2024-08-10 07:14:51 发布
阅读量2.8w 收藏 54
点赞数 7
分类专栏： python Speech Processing 文章标签： MFCC Filter banks FB speech processing
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xl928471061/article/details/72896293
版权
本文介绍了基于Python的语音特征提取方法，重点讨论了Filter Banks和MFCC的提取过程，包括预加重、分帧、加窗、STFT、Mel滤波、DCT等步骤。作者提醒注意Mel滤波器的设计选择，以及在预处理阶段的差异。建议在实际项目中使用成熟的语音处理库如librosa。
摘要由CSDN通过智能技术生成

最近开始上手语音相关的课题，第一步当然是了解并提取语音相关的特征及其提取，纵览paper，使用最多的莫过于Filter banks和MFCC了，因此就开始上手自己编写代码提取。（当然不是白手起家，参考在http://haythamfayek.com/2016/04/21/speech-processing-for-machine-learning.html）


1.概述

Filter banks和MFCC语音特征提取，整体是相似的，MFCC只是多了一步DCT（离散余弦变换）罢了。整体过程主要包含以下步骤：

1)预加重，作用就是为了消除发声过程中，声带和嘴唇造成的效应，来补偿语音信号受到发音系统所压抑的高频部分。并且能突显

最低0.47元/天 解锁文章
萌哒萌哒
关注
专栏目录
语音识别-MFCC特征提取
nsh119的博客
03-06 8673
本文是在上一篇文章（语音识别-预处理）的基础上进行的。    梅尔频率倒谱系数（MFCC）：梅尔频率是基于人耳听觉特性提出来的， 它与Hz频率成非线性对应关系。梅尔频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。主要用于语音数据特征提取和降低运算维度。其主要过程为：1. 离散傅里叶变换    离散傅里叶变DFT的输入是一帧帧加窗后的信号x[n]…x[m]，输出则是包含N...
python提取mfcc特征
ZHUQIUSHI123的博客
03-26 1万+
理论部分请看：https://haythamfayek.com/2016/04/21/speech-processing-for-machine-learning.html 这是我认为最完整的、讲解最清楚的python提取mfcc特征的教程。 用到的OSR_us_000_0010_8k.wav数据在这里下载： http://www.voiptroubleshooter.com/open_speec...
关于机器学习中语音信号的基本概念MFCC/Mel-Filter banks生成
qq_33266320的博客
03-24 8259
内容参考https://blog.csdn.net/zouxy09/article/details/9156785，本文内容只是方便自己下次学习，如有侵权，请联系我进行删除。一、声谱图（Spectrogram）       第一个图是波形图，红色是对波形图里的语音进行分帧，每帧语音都对应于一个频谱（通过短时FFT计算），频谱表示频率与能量的关系。       频谱图有三种，即线性振幅谱、对数振幅谱...
Python Speech Features 项目教程
最新发布
gitblog_00180的博客
08-10 426
Python Speech Features 项目教程 python_speech_featuresThis library provides common speech features for ASR including MFCCs and filterbank energies.项目地址:https://gitcode.com/gh_mirrors/py/python_speech_fea...
音频（六）Mel滤波器组_原理简介
chumingqian的博客
05-25 1万+
1. 背景 为什么会产生出Ｍel 这种尺度的机制呢？ 这种产生是为了模拟，人耳朵的听觉机制； 人耳朵具有特殊的功能，可以使得人耳朵在嘈杂的环境中，以及各种变异情况下仍能正常的分辨出各种语音； 其中，耳蜗有关键作用; 耳蜗实质上的作用相当于一个滤波器组，耳蜗的滤波作用是在对数频率尺度上进行的，在1000HZ以下为线性尺度，　1K HZ以上为对数尺度，　使得人耳对低频信号敏感，高频信号不敏感； 根据这一原则，从而研制出来了Ｍel频率滤波器组，　 所以，　Ｍel滤波器组的在靠近低频出越密集，越靠近高频出
python MFCC特征参数提取
luolinll1212的专栏
08-10 2416
文章参考地址 import numpy as np from scipy import signal from scipy.fftpack import dct import pylab as plt def enframe(wave_data, nw, inc, winfunc): '''将音频信号转化为帧。 参数含义： wave_data:原始音频型号 nw...
Mel-Filter banksMFCC特征提取（基于python）
weixin_43106248的博客
10-07 584
最近开始上手语音相关的课题，第一步当然是了解并提取语音相关的特征及其提取，纵览paper，使用最多的莫过于Filter banks和MFCC了，因此就开始上手自己编写代码提取。（当然不是白手起家，参考在http://haythamfayek.com/2016/04/21/speech-processing-for-machine-learning.html） 1.概述 Filter banks和M...
matlab实现mel频谱,基于MATLAB和Python实现MFCC特征参数提取
weixin_30100299的博客
03-17 1450
1、MFCC概述在语音识别(Speech Recognition)和话者识别(Speaker Recognition)方面，最常用到的语音特征就是梅尔倒谱系数(Mel-scale FrequencyCepstral Coefficients，简称MFCC)。根据人耳听觉机理的研究发现，人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响较大。两个响度不等的...
python特征提取代码_mfcc的特征提取python 代码实现和解析
weixin_39712016的博客
12-03 792
标签：1 #!/usr/bin/python2 # -*- coding: UTF-8 -*-34 import numpy5 import scipy.io.wavfile6 from matplotlib import pyplot as plt7 from scipy.fftpack import dct89 sample_rate,signal=scipy.io.wavfile.read(...
MFCC特征提取理解
weixin_30770495的博客
08-25 459
摘自：http://blog.sina.com.cn/s/blog_6a25068b0100m5m6.html 作者：幸福的理由 看了个稀里糊涂，一知半解，觉得以后又会忘记。珍藏下来。边理解边添加。 以下是mfcc_float.cpp的内容 #include "stdlib.h" #include "stdio.h" #include "math.h" #include "MFC...
MFCC特征提取Python实现
08-02
语音特征提取之MFCC特征提取的Python实现，包括一阶差分和二阶差分系数
MFCC 特征提取
taw19960426的博客
07-27 1815
HTK以及My_htk数据链接： https://pan.baidu.com/s/1Ajo7d-odrRiAwmCB_CQTzQ 提取码：hqnv 一：文件准备 HTK 和 HTK–samples 下载 HTK 和 HTK–samples 两个压缩文件，保存至 F 盘根目录下。 下载地址：http://htk.eng.cam.ac.uk/download.shtml（注：HTK 官方 网站需要先...
语音识别:MFCC特征参数提取
lbaihao的专栏
03-16 8646
记忆力不好，做个随笔，怕以后忘记。网上很多关于MFCC提取的文章，但本文纯粹我自己手码，本来不想写的，但这东西忘记的快，所以记录我自己看一个python demo并且自己本地debug的过程，在此把这个demo的步骤记下来，所以文章主要倾向说怎么做，而不是道理论述。由于python的matplotlib.pyplot库没有下载成功不会画图，文中大部分图片是我网上找的。必备基础知知识:1. 对数指数...
python音频特征提取_Python音频特征提取（MFCC, IMFCC, GFCC, LFCC, PNCC ...）
weixin_39848007的博客
12-04 5267
初入音频领域，往往需要学会音频特征提取之后再进一步展开更多的其他工作，然而学会音频处理需要语音信号处理的各种知识(傅里叶变换、DCT变换啊、小波变换啊。。。乱七八糟的我也不懂)但是python有很多第三方库封装好了很多函数使得人们提取更加简单，常见的库(librosa、numpy...)但是这些都还不够，因为我是一点都不懂 hahahha...这里介绍一个库(spafe，直接提取，并且各种特征提取...
Mel-Scale Filter Bank(Mel Spectrogram 的具体实现)
子燕若水的博客
04-30 738
它的设计是为了模仿人耳感知声音的方式，根据梅尔音阶对频率进行建模，梅尔音阶对人类来说是一个比频率的线性音阶更有感知意义的尺度。梅尔滤波器组经常被用作语音识别系统的预处理步骤，在将语音信号输入分类器以识别语音模式之前，从这些信号中提取特征。Mel 滤波器组是一种将线性频率谱转换为 Mel 频率谱的方法。它通过将线性频率划分为若干个三角形滤波器来实现，每个滤波器对应一个 Mel 频带。Mel 频率刻度基于人类听觉感知，它与线性频率的关系是非线性的：在低频区域，Mel 频率与线性频率近似成线性关系；
声音特征提取：MFCC向量
热门推荐
叶剑杰的专栏
04-09 2万+
声音是模拟信号，声音的时域波形只代表声压随时间变化的关系，不能很好的代表声音的特征，因此，必须将声音波形转换为声学特征向量。目前有许多声音特征提取方法，如梅尔频率倒谱系数MFCC、线性预测倒谱系数LPCC、多媒体内容描述接口MPEG7等，其中MFCC是基于倒谱的，更符合人的听觉原理，因而是最普遍、最有效的声音特征提取算法。在提取MFCC前，需要对声音做前期处理，包括模数转换、预加重和加窗。
MFCC语音特征提取总结
algorithm learning blog
07-05 605
MFCC(Mel倒谱系数)符合人类听觉原理，能够有效的提取语音声学特征，适合作为语音特征输入。本文学习了以下2篇博客——博客1 博客2，并做了自己的总结 MFCC的提取流程如下图所示： 令输入语音信号signal=[s1,s2,...,sT]signal=[s_1,s_2,...,s_T]signal=[s1​,s2​,...,sT​]，其中T为信号采样频率。预加重可以去除口唇辐射的影响，增加语音的高频分辨率，其实现方式如下： signali=signali+1−αsignalisignal_i=signa
【kaldi】提取二阶差分MFCC特征
LCCFlccf的博客
11-28 1310
在kaldi里面，提取MFCC特征的工具compute-mfcc-feats 没有选定提取二阶MFCC的参数，只能提取一阶。如果想要得到二阶的MFCC特征，用add-deltas 这个工具就能实现，例子如下 $cmd JOB=1:$nj $logdir/make_mfcc_${name}.JOB.log \ compute-mfcc-feats $vtln_opts $write_ut...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值