梅尔倒频谱

✍ dations ◷ 2024-12-23 09:41:13 #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

变形虫门变形虫门是一类似变形虫的（amoeboid）原生生物。变形虫门的多数物种靠细胞内原生质的流动而移动。伪足类似于手指形状、边缘是钝的，所以称作lobopodia，直译为钝的伪足. 大多数是
归纳推理归纳法或归纳推理（Inductive reasoning），有时叫做归纳逻辑，是论证的前提支持结论但不确保结论的推理过程。它基于对特殊的代表（token）的有限观察，把性质或关系归结到类型；或基于对反
乌贼十腕总目（学名：Decapodiformes），俗称“乌贼”，古称乌鲗，是一种头足纲蛸亚纲新蛸下纲之下的一类软体动物，所有乌贼都可以喷墨。乌贼类可以大致概括本类多数动物。与蛸亚纲的其他分类
锆的同位素锆（原子量：91.224(2)）共有39个同位素，其中有3个同位素是稳定的。备注：画上#号的数据代表没有经过实验的证明，只是理论推测而已，而用括号括起来的代表数据不确定性。
本杰明·布里顿爱德华·本杰明·布里顿，布里顿男爵，OM CH（英语：Edward Benjamin Britten, Baron Britten，1913年11月22日－1976年12月4日），英国作曲家、指挥家、钢琴家，是二十世纪古典音乐的重要人物
假睫毛假睫毛或人造睫毛是一种用来美化眼部的人工睫毛，一般透过把眼睫毛加长、加厚，让眼睛看起来更大、更亮、更丰满、更有神。假睫毛由来已久，早在公元前2000年的古埃及和古罗马文献
克里斯蒂安·斯特赖希克里斯蒂安·斯特赖希（德语：Christian Streich，1965年6月11日－）是一位德国前足球运动员及现任足球教练，自2011年12月起执教德甲俱乐部弗赖堡SC。斯特赖希作为一个屠夫的儿子，从小在
应县青椒应县青椒，是位于中华人民共和国山西省朔州市应县的一个青椒品种，是中国地理标志产品。山西省朔州市应县境内盛产青椒。2001年，南河种蔬菜批发市场被国家农业部指定为全国定点蔬
查拉姆查拉姆是伊朗的城市，位于该国西南部札格罗斯山脉西部，由科吉卢耶－博韦艾哈迈德省负责管辖，距离首府亚苏季75公里，海拔高度747米，2006年人口11,980。
雷廷权雷廷权（1928年1月23日－2007年12月6日），陕西西安人，中国金属材料与热处理专家，中国工程院院士，哈尔滨工业大学教授。长期从事金属材料及热处理的研究工作。1949年，毕业于国立西北工学