梅尔倒频谱

✍ dations ◷ 2025-06-15 10:17:15 #信号处理

在信号处理中，梅尔倒频谱（Mel-Frequency Cepstrum, MFC）系一个可用来代表短期音频的频谱，其原理基于用非线性的梅尔刻度（mel scale）表示的对数频谱及其线性余弦转换（linear cosine transform）上。

梅尔频率倒谱系数（Mel-Frequency Cepstral Coefficients, MFCC）是一组用来创建梅尔倒频谱的关键系数。由音乐信号当中的片段，可以得到一组足以代表此音乐信号之倒频谱（Cepstrum），而梅尔倒频谱系数即是从这个倒频谱中推得的倒频谱（也就是频谱的频谱）。与一般的倒频谱不同，梅尔倒频谱最大的特色在于，于梅尔倒频谱上的频带是均匀分布于梅尔刻度上的，也就是说，这样的频带相较于一般所看到、线性的倒频谱表示方法，和人类非线性的听觉系统更为接近。例如：在音频压缩的技术中，便常常使用梅尔倒频谱来处理。

梅尔倒频谱系数通常是用以下方法得到的：

获取梅尔倒频谱的方法众多，上述只是其中一种。

另外，ETSI在2000年左右有定义一套专为移动电话设计的梅尔倒频谱系数算法。

梅尔倒频谱系数通常可以用于作为语音识别系统中的特征质观察，例如：可以自动辨认一个人透过电话说的数字。梅尔倒频谱系数通常也可以作为声纹识别（Speaker Recognition），也就是、用来识别某段语音频号的发话者是谁的技术。

梅尔倒频谱系数在近年来于音乐分类（music genre classification）相关应用的领域也逐渐崭露头角，例如查找一段音乐的相似程度等。

梅尔频率倒谱系数MFCC和感知线性预测PLP：不同于LPC等通过对人的发声机理的研究而得到的声学特征，Mel倒谱系数MFCC和感知线性预测PLP是受人的听觉系统研究成果推动而导出的声学特征。对人的听觉机理的研究发现，当两个频率相近的音调同时发出时，人只能听到一个音调。临界带宽指的就是这样一种令人的主观感觉发生突变的带宽边界，当两个音调的频率差小于临界带宽时，人就会把两个音调听成一个，这称之为屏蔽效应。Mel刻度是对这一临界带宽的度量方法之一。MFCC的计算首先用FFT将时域信号转化成频域，之后对其对数能量谱用依照Mel刻度分布的三角滤波器组进行卷积，最后对各个滤波器的输出构成的向量进行离散余弦变换DCT，取前N个系数。PLP仍用德宾法去计算LPC参数，但在计算自相关参数时用的也是对听觉激励的对数能量谱进行DCT的方法。

梅尔倒频谱系数并非相当稳定，在计算当中，一组系数其实相当容易受到外加的噪声影响；为了对抗噪声，通常会将梅尔倒频谱系数在语音辨认上进行正规化（normalization）的动作，以减少噪声造成的影响。

另外，有些研究者会将梅尔倒频谱系数基础的算法设计的更加顽强，例如：在进行馀弦转换前增加对数化梅尔系数的能量值至一个合适的范围，以减少诸如噪声等低能量项对于整个系数结果的影响。

一般认为Paul Mermelstein 是主要致力于发展梅尔倒频谱的人，然而 Mermelstein 本人却将主要的概念功劳归给 Bridle 和 Brown for the idea:

Bridle 和 Brown 运用了一组十九个、由余弦转换导出的频谱型的系数，转换的输入值是信号在一组在频带上有非均匀间隔分布的带通滤波器后的输出。

滤波器的间隔是呈现对数分布的；因此，一般称之为梅尔式的导频谱系数

通常此两组起源都会被人当作引用使用。

另外，许多作者包括Mermelstein都认为，梅尔倒频谱中这样以频谱为基准的余弦转换函数，非常接近早期用于语音表征和辨认、对对数化频谱进型的主成分分析；关于这部分相关的信息，可参考Pols和它同事的研究。

1. 对该信号做傅立叶变换

$X=FT{x}$ $X=FT{x}$

2. 根据下面公式算出Y

$Y=\log \left(\sum _{k=f_{m-1}}^{f_{m+1}}\left|X\right|^{2}B_{m}\right)$ $Y=\log \left(\sum _{k=f_{m-1}}^{f_{m+1}}\left|X\right|^{2}B_{m}\right)$

其中 $B_{m}$ $B_{m}$ 是梅尔频率倒频谱的遮罩

$B_{m}={\begin{cases}0&{\mbox{for }}k<f_{m-1}{\mbox{ and }}k>f_{m+1}\\{\cfrac {k-f_{m-1}}{f_{m}-f_{m-1}}}&{\mbox{for }}f_{m-1}\leq k\leq f_{m}\\{\cfrac {f_{m+1}-k}{f_{m+1}-f_{m}}}&{\mbox{for }}f_{m}\leq k\leq f_{m+1}\end{cases}}$ $B_{m}={\begin{cases}0&{\mbox{for }}k<f_{m-1}{\mbox{ and }}k>f_{m+1}\\{\cfrac {k-f_{m-1}}{f_{m}-f_{m-1}}}&{\mbox{for }}f_{m-1}\leq k\leq f_{m}\\{\cfrac {f_{m+1}-k}{f_{m+1}-f_{m}}}&{\mbox{for }}f_{m}\leq k\leq f_{m+1}\end{cases}}$

3.对Y做IDCT得 $c_{x}$ $c_{x}$ ，因为Y是偶函数,故用IDCT(反离散余弦变换)取代IDFT(反离散傅立叶变换)

$c_{x}={\frac {1}{M}}\sum _{m=1}^{M}Ycos\left({\cfrac {\pi n(m-1/2)}{M}}\right)$ $c_{x}={\frac {1}{M}}\sum _{m=1}^{M}Ycos\left({\cfrac {\pi n(m-1/2)}{M}}\right)$

相关

陈定昌陈定昌（1937年1月－），中国导航制导与控制专家。中国航天科工集团第二研究院研究员。生于上海，原籍江苏镇江。1963年毕业于清华大学无线电系。现任中国航天科工集团第二研究院科技
富时中国A50指数富时中国A50指数是中国内地A股市场的一个指数，是富时中国指数系列的旗舰指数。包含了在上海或深圳证券交易所上市的股票中市值最大的50家A股公司。季度审核于每年的三月, 六
1,2-环戊二酮1,2-环戊二酮（英语：1,2-Cyclopentanedione）是一种有机化合物，结构简式为(CH2)3(CO)2，它是1,3-环戊二酮的同分异构体。1,2-环戊二酮可由戊二酸二乙酯和乙二酸二甲酯在碱性条件下缩
新传媒U频道电视剧列表 (2016年)本列表列出2016年由新加坡新传媒U频道所播放的剧集。新加坡时间逢星期一至五19:00-21:00播出，逢星期二至六00:30-02:30重播（3月8日起）；所有剧集为首播（每次播映两集）。新加坡时间
各国军力排名列表各国军力排名列表列出各国在单一军力指标的排名及在世界主要军力排名中的排名。以下是2017年的排名：瑞士信贷发表的军力强度指数排名，其衡量方式与知名军力排行网站公布的环球
约翰·戈特利布·格奥尔基约翰·戈特利布·格奥尔基（Johann Gottlieb Georgi，1729年－1802年）为德国植物学家、博物学家及地理学家。
邓白氏美国邓白氏公司（简称邓白氏，英语：The Dun & Bradstreet Corporation,NYSE：DNB），是一家国际企业资讯和金融分析公司，总部设在美国新泽西州。邓白氏的历史可以追溯至1841年7月20日。
内心独白内心独白（Internal monologue），也称为自我对话（Self-talk）或内在语言（Inner speech），是一个人的内在的声音，在有意识时提供思想上的口头独白。通常与一个人的自我联系在一起。在规
金格植金格植（韩语：김격식；1940年10月5日－2015年5月10日），朝鲜民主主义人民共和国军事人物。原朝鲜劳动党中央政治局候补委员，朝鲜国防委员会委员。大将军衔。曾主导2010年11月朝韩延坪岛
黄益芸黄益芸（？－1854年），太平天国医生。清代广西省人。本名黄益云，因避南王冯云山讳改名。1851年1月，黄益芸参加金田起义。参加太平军黄益芸已有四十岁。在东王杨秀清麾下，能用中草药为士