问题标签 [mfcc]

我使用 comirva 包制作了一个情绪识别程序。

我有很多关于情绪的wav文件，比如愤怒、快乐……

为了制作一个 gmm，首先，我从一个 argry 文件中提取了 mfcc 特征。

我感到困惑的是如何将 mffccs 更改为 pointlist。

哪一个是正确的？i) 将从一个文件中提取的 mfcc 更改为一个点列表 ii) 将从多个文件中提取的 mfcc 更改为一个点列表

我使用 MFCC + GMM 制作了一个情绪识别程序。

因为android，我使用了一个叫做comirva的java包。

使用这个包和emotion-speech DB，我在每种情绪中都制作了一个GMM，比如angryGMM、happyGMM ......

在制作 GMM 之前，我创建了一个 KMeanClustering 对象，并初始化了簇号。

我所知。如果我将簇数初始化为 3，则一组点将分为 3 个簇。

但我不确定一个集群是什么意思。

Q1) 一个集群是什么意思？它只是用于模式匹配吗？

创建 GMM 后，我使用已在 KMeansClustering 中使用过一次的点列表运行 GMM.EM 算法。Q2）我想知道为什么在训练中使用相同的点列表，尽管 GMM 是由这个点列表创建的。

我的团队正在语音应用程序中进行情绪识别。

要获得 mfcc，我们使用 comirva 包。

问题是创建 AudioPreProcessor 所需的 AudioInputStream 不能在 android 中使用。

所以我们一直在寻找某种替代方案。

有没有办法在android中获得mfcc？

我正在做一个程序情感识别语音。

使用 mfcc + K-mean + GMM，我得到的可能性是 -15012、-43400、-8000

不过，它的价值比我大得多。是正确的价值吗？

Wave 文件的长度通常为 2~3，我使用以下选项进行初始化。

我是这个论坛和 MFC 的新手……调试断言失败

在使用 ActiveX 控件时。请指导我这个..我的代码看起来

像这样：

点击OCR按钮后，我用Debug assertion failed就行了： pVal = (IUnknown *) m_MIDOCtrl.GetDocument(); 当我按下重试时，控件转到 winocc.cpp 中的 ASSERT(m_pCtrlsite != NULL)，而调试时我知道 {CMIDOCView hWnd = 0x0000000}。

请任何人都可以建议我在这里做错了什么？

谢谢你们..

C/C++ 中是否有任何可用的 MFCC 实现？任何源代码或库？

我已经找到了http://code.google.com/p/libmfcc/这似乎很好。

我正在尝试根据我找到的这篇论文（http://arxiv.org/pdf/1003.4083.pdf）计算 MFCC 算法，所以到目前为止我所做的是：

步骤 1) 预加重

步骤 2) 构图

步骤 3) 汉明窗

步骤 4) 快速傅里叶变换

步骤 5) 梅尔滤波器组处理

步骤 6)：离散余弦变换

基本上，我使用了 Mel Bank 滤波器并将它们与实际的原始信号相乘。然后我对这些结果执行 FFT，如下所示：

帧 1 上的 FFT：

然后我计算了 FFT 的 DCT，结果如下所示：

帧 1 上的 DCT：

到目前为止这看起来正确吗？有没有办法让我检查一下，以便我知道我正朝着正确的方向前进？

另外，我需要获得 13 个系数，但我不知道如何确定要获得哪些。我得到 256 个值，那么我要取前 13 个值吗？或者，我得到总能量了吗？

我希望有一个人可以帮助我。

抱歉，如果这是在错误的论坛中。

好的，所以我试图比较两个不同的语音信号，我遇到了一个问题。开始：

我已将信号分成块，并计算了每个块的 MFCC 系数。然后我使用 DTW 算法将（输入）信号与训练信号进行比较。

编辑（这个算法会起作用吗）？

我已经更新了算法（写自维基百科文章）：

它现在处理二维向量，而不是一维。我认为这是我出错的地方，因为它打印出一系列数字而不仅仅是 1。

如果（实际的、训练的）MFCC 的输入值完全相同，则差异为“0”，没有差异。我需要检查训练值，但是，这个算法看起来对吗？

我想实现一个 HMM（隐马尔可夫模型）来识别特定的单词。到目前为止，我已经设法提取了信号的系数 (MFCC)，并想知道这是否是训练 HMM 的好数据？

此外，训练 HMM 的格式（如下）是否正确？

格式：

对于每个样本，都有一系列 MFCC 系数，我提供了其中两个样本作为示例...

-13.8033 0.645476 3.2174 -0.625136 -0.470134 -2.96368 0.701151 0.464246 1.1898 -1.88515 0.0805242 0.311573 0.732487

-19.4252 -5.65454 0.853437 0.317219 0.146167 -1.93742 0.381944 -2.01793 -0.561144 -0.896783 -0.105491 -1.06504 -0.797318

希望有人可以提供帮助:)

我目前处于语音识别的讨论阶段项目，我使用 MFCC 特征提取，但从函数返回的 MFCC 特征是一个矩阵，例如 每个语音文件（wav）的（20,38）特征矩阵。但是我怎样才能将此功能传递给 SVM 分类器。对于 SVM（和其他分类器），每个样本都由一个向量表示，对吧？但是每个样本的 MFCC 特征是一个矩阵。假设 Xi 是样本 i 的 MFCC 特征，那么样本 i 传递给 SVM 的特征是：1）一个 20*38 的向量，例如。Xi(:) 的 matlab 形式。2) 均值 (Xi)。3) Xi中的列或行之一。哪种方式是正确的？任何有用的代码，纸？

谢谢！闪耀