梅尔倒频谱

✍ dations ◷ 2025-08-19 16:37:53 #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

海外领土属地（英语：Dependent Territory或Dependent Area或Dependency）是附属于主权国家之下，但拥有部分独立管治权力的地区。虽然没有完整主权，但是其政治地位异于管治国主体的其他领土，
Mg(ClOsub3/sub)sub2/sub氯酸镁（Magnesium chlorate），化学式Mg(ClO3)2·6H2O。常带有六个结晶水（六水合氯酸镁）。氯酸镁为无色斜方片状或针状结晶。溶于水，微溶于醇、丙酮。通过氯酸钠溶液与氯化镁溶液反
斯图亚特·L·施莱伯斯图亚特·L·施莱伯（英语：Stuart L. Schreiber，1956年2月6日－），就职于美国哈佛大学和麻省理工及哈佛名下的博大研究所（英语：Broad Institute）。他引领化学生物学长达20余年。他的名
宵禁宵禁，“宵”指夜，“禁”指出行限制，义夜间外出禁止令。指由政府、军队、机关对平民颁布禁止平民于夜间外出的命令，一般在战争状态、国内紧急状态或者戒严时期使用。在实施宵禁期
越南野鸟越南总共有848种原生的野生鸟类，其中有14种为特有种。而随着许多地区不断发现新物种，这个数字仍有可能攀升。越南全国都有不同的鸟类分布，除了少数几种猫头鹰、夜鹰以外，几乎大
芦　苇芦苇（学名：Phragmites communis），又称普通芦苇（common reed），是生长于沼泽、河沿、海滩等湿地的一种禾本科植物，遍布于全世界温带和热带地区，芦苇属的植物大约有10种，有的分类学家认为
大姐当家《大姐当家》是1997年中国电视公司八点档连续剧，赏心悦目文化公司制作，1997年11月18日至1998年3月24日播出，由知名歌仔戏演员孙翠凤及其他多位知名电视剧演员联合主演。原本在
小河滋次郎小河滋次郎（1864年1月11日－1925年4月2日）日本长野县人，日本明治、大正年间的法学家、监狱学家。小河滋次郎生于文久3年12月3日（1864年1月11日）。明治17年（1884年），东京专门学校（早稻田
超级油轮超级油轮是指一些超过25万吨载重量，可以运输200到300万桶原油的油轮。目前最大的超级油轮为诺克·耐维斯号，属新加坡籍，船主为第一奥森油轮（First Olsen Tankers）。
草川为草川为（12月26日－），日本漫画家。爱知县出身。