我有点不理解 MFCC。
根据我的阅读，mel 滤波器组应该是一系列变宽的三角形，它们的峰值在同一个位置。像这样...
但是，当我使用 librosa 计算 mel 滤波器组时，我得到...
代码：
import librosa
import matplotlib.pyplot as plt
sr = 16000
mel_basis = librosa.filters.mel(sr=sr, n_fft=512, n_mels=10,fmin=0, fmax=sr / 2)
plt.plot(mel_basis)
我现在了解更多了，我觉得给出的答案并不完全正确，所以我认为我应该回答我自己的问题。
librosa.filters.mel 返回一个形状为 (n_mels, n_fft/2 +1) 的矩阵。这意味着矩阵中的每一行都是一个梅尔。这些列是 mel 滤波器组的每个频率的权重。频率以最多 n_fft 数量的周期表示，由于混叠（奈奎斯特定理），我们丢弃了其中的一半。
这意味着为了正确绘制mels，需要转置矩阵。因为我们实际上想要 N 个不同的图，其中 N 是梅尔的数量。
plt.plot(mel.T)
这给出了以下图像：
请注意，这组 mel 滤波器组仍然不是预期的。这是因为 Librosa 使用归一化版本的 mel 滤波器组，这意味着每个 mel 的面积为 1，而不是传统的等高 1。从 librosa 返回的矩阵可以转换为等高 mel-过滤库：
mels /= np.max(mels, axis=-1)[:, None]
然后情节是这样的：
好吧，有点晚了，但我希望这个答案对任何在不同的 mel-filterbank 实现中苦苦挣扎的人有所帮助：
mel-filterbanks 有几种不同的实现方式；特别是 librosa 有 2 个不同：一个来自 Cambridge 的 Hidden Markov Model Toolkit (HTK)，另一个由 Slaney 编写并在 Matlab 的 Auditory Toolbox 中实现：
HTK 生成一个滤波器组，所有滤波器在其中心设置为增益 1
除了它们的有效性非常相似之外，过滤器值也不相同，所以我怀疑改变可视化是否有用。
查看本文以获取有关不同 mel-filterbak 实现的比较性能的更多信息
您缺少频率向量，每个过滤器都有 nftt/2 +1 个样本，因此 mel 基础是 librosa 中的 n_mels x (nfft/2 +1) 矩阵。
为了计算 MFCC，您必须先获得成帧信号的功率谱，然后再将其乘以滤波器组。
import numpy.matlib
sr = 22050
n_fft = 512
n = 10
mel_basis = librosa.filters.mel(sr=sr, n_fft=n_fft, n_mels=n,fmin=0, fmax=sr / 2)
f = np.linspace(0,sr/2,(n_fft/2)+1)
f_all = np.matlib.repmat(f, n,1)
plt.plot(f_all,mel_basis)
plt.show()
如果您更喜欢另一个绘图选项，可以使用 for 循环。
for i in range(n):
plt.plot(f,mel_basis[i])
plt.show()
您正在搜索“具有相同库高的梅尔滤波器库”。我也在寻找这个。首先，mels 应该被转置，只需使用“norm”参数，并将其更改为 None。
mels = librosa.filters.mel(20000, 2048, n_mels=4, fmin=0.0, fmax=None, htk=False, norm=None)
plt.plot(mels.T)
plt.show()
