初学MFCC

第8周学习报告

1 本周工作

学习了解梅尔倒谱系数(MFCC)

学习MFCC相关的程序

2 实验总结

（1）MFCC的介绍

在语音识别和话者识别上最常用的语音特征就是梅西倒谱系数简称（MFCC），他是根据人耳朵的机理来研究发现的，人耳对于不同频率的声波有着不同的听觉敏感程度，两个响度不同的声波作用于人耳时，响度高的频率的存在会影响对响度低的频率成分的感受，使其变得不易察觉，这就是掩蔽效应，一般来说低音容易掩盖高音，因为两种响度的声音同时作用于人的耳朵时，频率低的在耳蜗里传的底模上传的距离远。所以人们在低频到高频的这一频带内安排一组滤波器，对输入信号进行滤波。将每个带同滤波器的输出的信号做信号的基本特征，对此特征进行进一步的处理后就可以作为语音的输入特征，这种特征不依赖于信号的性质，对输入性质不做任何的假设与限制。

MFCC是在Mel标度频率域提取出的倒谱参数，Mel标度描述了人耳的频率的非线性特性，他与频率的关系可以表示为

下图展示了Mel与频率的关系：



（2）问题描述

通过MFCC提取鸟类叫声的特征信号

首先对数据进行预处理之后用MFCC进行提取特征，MFCC的过程是：

1，预加重的意思就是将语音信号加入一个高通滤波器：，其中μ的值是在0.9到1之间，这样做的目的是提升高频部分，使信号变得平坦，保持在高频和低频的部分，也为了突出高频的共振峰。

2，分帧

先将N个采样点和为一个观测单位，成为帧，为了避免两帧之间的变换过大，因此会有一些重叠的区域，在重叠区中包含了M个点

3，加窗

将每一帧乘以汉明窗，这样可以增加左端和右端的连续性，分帧厚度 信号是S(n)，那么乘上汉明窗是其中的汉明窗是,不同的a会有不同的汉明窗。

4，快速傅里叶变换

由于信号在时域上很难看出信号的特性，所以经常将他转换成频域来看，不同的能量分布就会代表不同的语音特性，乘以汉明窗后，每帧还必须在经过快速傅里叶变换得到各帧的频谱，并要得到功率谱。

5，三角带通滤波器，将能量谱通过一组Mel尺度的三角滤波器组，定义一个有M个滤波器的组。这样做的主要目的是对频谱进行平滑化，并且来消除谐波，此外还可以降低运算量

6，计算每个滤波器组的输出对数能量

7，进过DCT得到MFCC系数

8，对数能量

一帧的音量（即能量），也是语音的重要特征，而且非常容易计算。因此，通常再加上一帧的对数能量，使得每一帧基本的语音特征就多了一维，包括一个对数能量和剩下的倒频谱参数。

9，动态差分参数的提取

（3）程序流程

（4）程序实现

调用语音工具箱voicebox

[x fs]=audioread('8.wav');

bank=melbankm(24,256,fs,0,0.4,'t');%Mel滤波器的阶数为24，fft变换的长度为256，采样频率为16000Hz

%归一化mel滤波器组系数

bank=full(bank);

bank=bank/max(bank(:));

for k=1:12 %归一化mel滤波器组系数

n=0:23;

dctcoef(k,:)=cos((2*n+1)*k*pi/(2*24));

end

w=1+6*sin(pi*[1:12]./12);%归一化倒谱提升窗口

w=w/max(w);%预加重滤波器

xx=double(x);

xx=filter([1-0.9375],1,xx);%语音信号分帧

xx=enframe(xx,256,80);%对x 256点分为一帧

%计算每帧的MFCC参数

for i=1:size(xx,1)

y=xx(i,:);

s=y'.*hamming(256);

t=abs(fft(s));%fft快速傅立叶变换

t=t.^2;

c1=dctcoef*log(bank*t(1:129));

c2=c1.*w';

m(i,:)=c2';

end

%求取一阶差分系数

dtm=zeros(size(m));

for i=3:size(m,1)-2

dtm(i,:)=-2*m(i-2,:)-m(i-1,:)+m(i+1,:)+2*m(i+2,:);

end

dtm=dtm/3;

%求取二阶差分系数

dtmm=zeros(size(dtm));

for i=3:size(dtm,1)-2

dtmm(i,:)=-2*dtm(i-2,:)-dtm(i-1,:)+dtm(i+1,:)+2*dtm(i+2,:);

end

dtmm=dtmm/3;

%合并mfcc参数和一阶差分mfcc参数

ccc=[m dtm dtmm];

%去除首尾两帧，因为这两帧的一阶差分参数为0

ccc=ccc(3:size(m,1)-2,:);

3参考文献

1.语音MFCC特征计算的改进算法

2.基于噪声环境下的MFCC特征提取

3.A Deep Neural Network Approach to Automatic Birdsong Recognition

4 下周工作

研究鸟叫分类