Question

我将音频信号分成20ms帧，重叠10ms。结果我有500帧。我已经计算了每帧的MFCC系数。我想使用K-MEAN算法为每个帧进行矢量量化。

每帧有16个MFCC系数（矢量长度：16）。现在K-MEAN需要2个向量来形成聚类图（一个沿着X，一个沿着Y），但是我只有一个向量（每帧16个MFCC系数）。

那我该怎么办？我是否采用相邻帧并将K均值应用于相邻帧？

Answer 1

现在K-MEAN需要2个矢量来形成聚类图（一个沿着X，一个沿着Y）

事实并非如此，kmeans算法可以聚类任意数量的向量。

那我该怎么办？我是否采用相邻的框架并将K-mean应用于相邻的框架？

你有500个向量，你可以为所有这些向量应用kmeans。

例如，在MATLAB中，输入向量X必须是kmean函数的2xM矩阵;

没有这样的要求

我选择哪种载体在K-MEAN中形成簇？我如何对每个向量应用kmeans？

同样，您可以像documentation中一样采用所有向量。

     [idx,C] = kmeans(X,num_clusters);

X是500x13的矩阵。

在看了一堆教程之后，通常i / p是2-D Kmeans空间的两个数据集（X1，X2）。

如果您是上述文档，则x1和x2是群集的示例。还有一个集群x3。

我怀疑MFCC的情况，我的X1，X2应该是什么？

例如，将存在与音素相对应的群集。如果您有20个音素，则会在20个质心上聚类，每个音素对应于音素。如果你有足够的数据，你也可以在256个质心上聚类，然后聚类将对应于语音中的抽象共同特征值。

Answer 2

我在这里看到两种可能性： 1）您想要量化您的mfcc特征（例如，将特征分成强，中，小的振幅组）。在这种情况下，您希望每帧运行并插入要素向量，因为每个要素都是k-means算法的单个点。如果您绝对必须（并且您没有）拥有mx2输入向量，则只需为每个要素添加1（MFCC = [MFCCS，1（大小（MFCC，1），1）];）

2）您想要找到彼此相似的帧组。在这种情况下，kmeans算法的每个“点”都是单帧的所有MFCC特征。这就是尼古拉所说的。

干杯，丹

将K-means应用于ASR的MFCC系数

2 个答案: