MFCC系数的数量如何取决于文件的长度

Question

我有一个语音数据，长度为1.85秒，然后我使用MFCC（来自James Lyson的libraby）提取其功能。它返回184 x 13特征。我正在使用10毫秒的帧步长，25毫秒的帧大小以及DCT的13个系数。如何返回184？我仍然不明白，因为最后一帧的长度不是25毫秒。是否有任何公式可以解释它如何返回184？预先谢谢你。

Answer 1

有一幅图片可以解释您的情况，基本上最后一个窗口比以前的窗口占用更多的空间。

如果您有184个窗口，则您覆盖的区域为183 * 10 + 25或大约1855 ms。