如何生成MFCC算法的三角形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 at Matlab。但是，我对梅尔过滤器银行流程有一些问题。如何生成三角形窗口以及如何使用它们？

PS1：一篇描述MFCC的文章：http://arxiv.org/pdf/1003.4083

PS2：如果有关于MFCC算法步骤的文档，那就太好了。

PS3：我的主要问题与此有关：带有Java线性和对数滤波器的MFCC，有些实现同时使用线性和对数滤波器，有些则不使用。什么是过滤器，什么是中心频繁的概念。我遵循那个代码：MFCC Java，它之间的区别是什么：MFCC Matlab

Answer 1

三角

形窗口作为频带滤波器并不难实现。您基本上希望在每个频段内积分FFT数据（定义为中心频率i-1和中心频率i+1之间的频率空间）。

你基本上在寻找类似的东西，

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;
    }
}

如果你不理解"中心频率"或"频段"或"滤波器"的概念，那就拿起一本基本的信号教科书——你不应该在不了解它的作用的情况下实现这个算法。

至于确切的中心频率是多少，这取决于你。试验并选取（或在发布中查找）捕获要从数据中隔离的信息的值。之所以没有确定的值，甚至没有值的刻度，是因为该算法试图近似人耳，这是一种非常复杂的监听设备。虽然一个音阶可能更适合语音，但另一个音阶可能更适合音乐等。由您来选择合适的内容。

Answer 2

第二个答案 PS：我发现本教程确实帮助了我计算 MFCC。

至于三角形窗口和滤波器组，据我了解，它们确实重叠，它们不会扩展到负频率，并且从 FFT 频谱计算它们并将它们应用回它的整个过程是这样的：

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 = 采样率/2。也许这是您应该选择您所说的 1000Hz 限制的地方）
2. 根据所选的最小和最大频率计算 mel 值。公式在这里。
3. 计算这两个 mel 值之间的 N 个相等距离值。（我看过 N 不同值的例子，你甚至可以在这项工作中找到不同值的效率比较，对于我的测试，我选择了 26 个）
4. 将这些值转换回 Hz。 （您可以在同一个 wiki 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库（过滤器三角形），要么是托马斯上面建议的（小心索引），要么像本文开头推荐的 turorial 一样）=>数组数组，大小为 NxM，假设您的 FFT 返回 2*M 值并且您只使用 M。
将整个功率谱（从FFT获得的M值）通过每个三角形滤波器，以获得每个滤波器
6. 的"滤波器组能量"（对于每个滤波器组（N环路），将FFT之后获得的每个幅度乘以相应滤波器组（M环路）中的每个值，并将M获得的值相加）=>N大小的能量数组。

这些是您的过滤器组能量，您可以进一步应用日志，应用 DCT 并提取 MFCC...