当使用MFCC和Delta系数时，为什么Log可能性很奇怪

Question

我正在开发一个需要从音频流中提取MFCC功能的项目。该项目主要包括分类，虽然为了扩展我们的数据集，我正在研究一种检测算法来隔离我们感兴趣的声音部分。

我正在测试不同的表示形式，并且由于数据的性质（我希望我可以提供更多细节，但我正在与之合作的教授更愿意将其保密，我相当肯定），我会想象delta系数MFCC系数的顶部会有所帮助。

我正在提取40个MFCC系数以及40个Delta系数并将其用于检测。我有一组训练数据，包括一个40毫秒的窗口，围绕我感兴趣的音频流部分。我正在训练关于该数据的GMM。

为了测试（及其实际使用案例），我将更长的音频流（大约2秒）分成一系列MFCC帧。我根据对数似然得分中的百分位数提取每帧的对数似然和检测阈值，并且当使用delta系数时，我得到奇怪的结果。

您可以忽略底部的4个数字，这些只是用于可视化我的阈值方案。

我想知道的是，为什么在使用delta系数时，与没有使用增量时相比，对数似然表现得如此奇怪？

提前感谢您，如果您需要澄清，请询问。

Answer 1

查看信号的幅度。与非三角洲相比，Delta Coeffs的例子非常低。也许这只是一个噪音？

尝试在完全相同的录制中使用和不使用delta运行系统。调试起来会更容易。

您还可以使用delta来附加MFCC的类似频谱图的可视化。