如何生成MFCC算法的三角窗口以及如何使用它们？

Question

我正在用Java实现MFCC算法。

这里有一个示例代码：http://www.ee。 columbia.edu/~dpwe/muscontent/practical/mfcc.m，位于 Matlab。然而，我对梅尔过滤银行过程有一些问题。如何生成三角形窗口以及如何使用它们？

PS1：一篇文章，其中有一部分描述了MFCC：http://arxiv.org /pdf/1003.4083

PS2：如果有一个基本介绍MFCC算法步骤的文档就好了。

PS3： 我的主要问题与此相关：MFCC 与 Java 线性和对数滤波器 一些实现同时使用线性和对数滤波器，而其中一些则不使用。过滤器是什么以及中心频繁的概念是什么。我遵循该代码：MFCC Java ，该代码之间有什么区别： MFCC Matlab

Answer 1

作为频带滤波器的三角形窗口并不难实现。您基本上希望在每个频段（定义为中心频率 i-1 和中心频率 i+1 之间的频率空间）内集成 FFT 数据。

您基本上是在寻找类似的东西，

for(int bandIdx = 0; bandIdx < numBands; bandIdx++) {
    int startFreqIdx  = centerFreqs[bandIdx-1];
    int centerFreqIdx = centerFreqs[bandIdx];
    int stopFreqIdx   = centerFreqs[bandIdx+1];

    for(int freq = startFreqIdx; i < centerFreqIdx; i++) {
        magnitudeScale = centerFreqIdx-startFreqIdx;
        bandData[bandIdx] += fftData[freq]*(i-startFreqIdx)/magnitudeScale;
    }

    for(int freq = centerFreqIdx; i <= stopFreqIdx; i++) {
        magnitudeScale = centerFreqIdx-stopFreqIdx;
        bandData[bandIdx] += fftData[freq]*(i-stopFreqIdx)/magnitudeScale;
    }
}

如果您不理解“中心频率”或“频带”或“滤波器”的概念，请拿起一本基本信号教科书 - 如果没有以下内容，您不应该实现此算法了解它的作用。

至于确切的中心频率是多少，这取决于你。实验并选择（或在出版物中查找）捕获您想要从数据中分离的信息的值。之所以没有明确的值，甚至没有值的比例，是因为该算法试图模拟人耳，而人耳是一种非常复杂的听力设备。一种音阶可能更适合语音，而另一种音阶可能更适合音乐等。您可以选择合适的音阶。

Answer 2

第二个PS的答案：我找到了本教程 这确实帮助我计算了 MFCC。

至于三角窗和滤波器组，据我了解，它们确实重叠，它们不扩展到负频率以及从FFT频谱计算它们的整个过程并将它们应用回它是这样的：

1. 选择滤波器的最小和最大频率（例如，最小频率 = 300Hz - 最小语音频率和最大频率 = 你的采样率/ 2。也许这就是你应该的地方选择您正在讨论的 1000Hz 限制）
2. 根据所选的最小和最大频率计算梅尔值。 此处的公式。
3. 计算这两个梅尔值之间的 N 个等距值。 （我已经看到了不同 N 值的示例，您甚至可以在 this 中找到不同值的效率比较工作，对于我的测试，我选择了26）
4. 将这些值转换回赫兹。 （您可以在同一维基页面上找到公式）=> N + 2 个过滤器值的数组
5. 为每三个连续值计算一个过滤器组（过滤器三角形），无论是上面 Thomas 的建议（小心索引）还是像本文开头推荐的图例中那样）=>数组的数组，大小为 NxM，假设您的 FFT 返回 2*M 值，并且您只使用 M。
6. 将整个功率谱（从 FFT 获得的 M 值）通过每个三角滤波器，以获得每个滤波器的“滤波器组能量”（对于每个滤波器组（N循环），将FFT后得到的每个幅度乘以对应滤波器组（M循环）中的每个值，并将得到的M个值相加）=> N 大小的能量阵列。

这些是您的滤波器组能量，您可以进一步应用对数、应用 DCT 并提取 MFCC...