您是否仍然可以从数字信号中提取功能而无需使用MFCC将其转换为模拟信号？

Question

我正在开发一种后端语音识别软件，其中用户可以导入mp3文件。如何从此数字音频文件中提取功能？我应该先将其转换回模拟吗？

Answer 1

您的问题不清楚，因为您错误地使用了术语模拟和数字。模拟是真实的连续功能，即电压，压力等。数字是模拟信号的离散（采样）和量化版本。在计算MFCC时，必须计算音频帧的FFT。你只能从数字信号中提取MFCC - 用模拟信号做它是不可能的。

如果您询问是否可以从mp3文件中提取MFCC，那么是 - 这是可能的。您所需要的只是执行标准算法，您可以获得您的功能 - 显然它超出了该问题的规范。

1. 计算数据帧的FFT。
2. 通过对样本进行平方来计算PSD。
3. 应用mel-filterbank并将能量汇总到银行。
4. 计算每个能量的对数。
5. 计算能量对数的DCT。

Answer 2

你在这里混淆了一些东西，比如@jojek说你可以用数字信号完成所有这些。这是一个很好的教程：

http://practicalcryptography.com/miscellaneous/machine-learning/guide-mel-frequency-cepstral-coefficients-mfccs/

这个更实用：

http://www.speech.cs.cmu.edu/15-492/slides/03_mfcc.pdf

来自维基百科：[http://en.wikipedia.org/wiki/Mel-frequency_cepstrum]

MFCC通常如下推导：[1] [2]

• 对信号进行傅立叶变换（窗口摘录）。意味着短时傅立叶变换）

• 使用三角形重叠窗口将上面获得的光谱的功率映射到mel刻度上。 （上述链接中描述的计算）

• 记录每个梅尔频率的功率记录。

• 采用mel log权力列表的离散余弦变换，就像它是一个信号一样。

• MFCC是所得光谱的幅度。

这是一个Matlab工具箱，可以帮助您更好地理解它：

http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/voicebox.html