MFCC - 13系数

Question

我正在尝试根据我发现的这篇论文（http://arxiv.org/pdf/1003.4083.pdf）来计算MFCC算法，所以到目前为止我所做的是：

步骤1）预先强调

步骤2）框架

步骤3）汉明窗口

步骤4）快速傅立叶变换

步骤5）Mel过滤银行处理

步骤6）：离散余弦变换

基本上，我使用Mel Bank过滤器并将它们乘以实际的原始信号。然后，我对这些结果执行了FFT，如下所示：

第1帧的

FFT：

然后我计算了FFT的DCT，其结果如下：

第1帧的DCT：

到目前为止，这看起来是否正确？有没有办法让我检查一下，以便我知道我正朝着正确的方向前进？

另外，我需要获得13个系数，但我不知道如何确定这些系数。我得到256个值，所以我采取前13个值吗？或者，我能获得总能量吗？

我希望有人可以帮助我。

Answer 1

经过几天搜索类似的东西，我偶然发现了一个非常有用的教程，如何获得MFC Coeficients： Mel Frequency Cepstral Coefficient (MFCC) tutorial

（虽然线程陈旧，但我希望答案可能有助于未来的读者）

Answer 2

  

我对你刚写的东西很困惑。我唯一需要知道的是   我把信号分成帧，n = 100，m = 256（我相信）   它产生大约390个块，因此有13个系数   每个块或整个声音只有13？

答案是每个块有13个系数，而不是整个声音文件。

并且你计算mfcc系数的方法是错误的，你应该遵循你提到的1-6步。

步骤1）预先强调整个声音文件。

步骤2）构建整个声音文件以获得许多块

步骤3）每个块的汉明窗口

步骤4）每个块的快速傅里叶变换

步骤5）每个块的Mel过滤器库处理

步骤6）：每个块的离散余弦变换

Answer 3

不，你错了。

您需要在FFT之后计算梅尔滤波器组能量的对数，然后才应用DCT。滤波器组的能量数量应该是20或40左右，在DCT之后你应该得到20或40个数字并且先取13个。

你用FFT做的事情都错了。

您可能想要阅读一些MFCC代码而不是从头开始做某些事情，那里有很多实现，例如在sphinxbase中：

http://cmusphinx.sourceforge.net