语音识别是否需要MFCC功能

Question

我目前正在开发一个语音识别项目，并且我试图选择最有意义的功能。 大多数相关论文建议使用零交叉率，F0和MFCC特征因此我使用它们。 我的问题是，持续时间为00:03的训练样本有268个特征。考虑到我正在进行一个多级分类项目，每个级别的50多个样本培训，包括所有MFCC功能，可能会受到维度诅咒或“降低重要性”的影响。其他功能。 所以我的问题是，如果我不包括所有MFCC功能，你能否提出替代方案？

Answer 1

你不应该使用f0和零交叉，它们太不稳定了。您可以简单地增加训练数据并使用mfccs，他们有很好的代表能力。但请记住将它们归一化。

Answer 2

获得每帧的MFCC系数后，您可以将MFCC特征表示为以下组合：

 1) First 12 MFCC
 2) 1 energy  feature
 3) 12 delta MFCC feature
 4) 12 double-delta MFCC feature
 5) 1 delta energy feature
 6) 1 double delta energy feature

此处描述了delta MFCC特征的集中 link.

39维MFCC功能已输入HMM或 Recurrent Neural Network。

Answer 3

我想说的是，MFCC不是必需的。你可以使用MFCC，你可以使用@Mahendra Thapa提到的能量，delta和delta-delta特征，但它不是“必需的”。一些研究人员使用40个CC，有些研究人员将DCT从MFCC计算中删除，使其成为MFSC（光谱不是倒谱）。一些添加额外的功能。有些用得少。对维度诅咒的敏感程度取决于你的分类器，不是吗？有些人最近甚至声称在语音识别的“圣杯”方面取得了进展，使用原始信号进行培训，使用深度学习，学习最佳功能而不是手工制作。

Answer 4

MFCC被广泛使用，效果相对较好。