问题标签 [mfcc]

我在 android 设备中使用 MFCC + GMM 实现语音识别。

但我想知道的是，MFCC 功能是否可以通过调整 MFCC 系数的数量或其他因素（如频率范围、滤波器数量、windowSize）来稍微提高噪声鲁棒性。

提前致谢

我尝试在 Android 上创建扬声器识别系统。目前我正在使用 libxtract 从帧和 libsvm 计算 MFCC 向量进行分类。

您知道如何使用我可以在 NDK 下编译的 libxtract 或其他小型 C、C++ 库来检测帧中的语音（VAD 语音活动检测）吗？

我正在开发一个应用程序，我需要为语音识别实现梅尔频率倒谱系数 (MFCC)。

MFCC 的第一步是应用 Pre-Emphasis

预加重将增加更高频率的信号能量。因为低频段被对语音识别无用/有害的声音占据。

我为这个过程找到了这个方程：

我的问题是我应该简单地将这个方程应用于原始信号吗？这样它会增加更高频率的信号能量。或者我应该在应用这个方程之前对输入信号应用某个滤波器？如果是这样，我将如何编程？

我正在尝试构建用于生成 MFCC 的三角滤波器。我有基于 IPP 6 的现有代码，但由于 IPP 8 现在正在开发中，我真的很想获得一个可以工作且不依赖于旧的、现在不受支持的库的实现。

我已经生成了相关的 mel 缩放中心频率（加上两端的 2）。

然后我尝试按如下方式构建过滤器：

然后，我将上述向量与 FFT 结果逐段相乘（其中 bin 0 是 0Hz 或 DC 偏移 bin）并将它们相加（本质上是点积）。

这似乎工作得相当好，但我得到的结果与 IPP 相比有很大不同，足以让我有点担心。

有什么我做错了吗？

整个过程包括进行 FFT，计算返回的复矢量 (std::abs) 的大小，然后应用如上计算的滤波器组。代码如下：

这是一个情节，其中系列 1 是我的 MFCC，系列 2 是 IPP：

在日志和举重阶段（我已经确认其工作方式与 IPP 相同）之后，结果更加错误。

任何想法和指示将不胜感激！

编辑：我应该指出，这里有一些关于 IPP 功能的文档：

http://software.intel.com/sites/products/documentation/hpc/ipp/ipps/ipps_ch8/functn_MelFBankInitAlloc.html

这似乎显示了数学。但是，我不确定 yk 和 ck 到底是什么......

我使用 MATLAb 将 .wav 文件转换为 .mfc 文件。我找到了两个 MATLAB 代码来做同样的事情。

http://www.ee.columbia.edu/~dpwe/resources/matlab/rastamat/

http://www.mathworks.in/matlabcentral/fileexchange/32849-htk-mfcc-matlab/content/mfcc/example.m

然而，两者都给出了不同的 MFCCS。其中一个是提供一个 20 行的 mfc 文件，另一个是 13 行。我猜有 13 个 MFCC 系数，那么 13 行是否代表 13 个系数？我还必须使用两个波形文件的 MFCC 来找出一个声音是如何在另一个文件中出现的。但结果并不正确。请帮忙。

我整个上周都在搜索 MFCC 和相关问题。现在我可以从二维向量 coff[56][12] 中的 .wav 文件中获取 MFCC 特征，比方说。12 是我要提取的系数数，56 是帧数。根据我阅读的几篇文档，我们可以使用以上12个系数来识别语音（特别是我想识别单词“一”，“二”......到“十”）。但是现在我得到了 12 帧中的 56 帧，那么我应该使用 56 帧中的哪一个？

如果我有什么问题，请帮助我！！！

我有一个问题，如果这样可以。我最近在寻找计算 MFCC 的算法。我找到了一个很好的教程而不是代码，所以我尝试自己编写代码。我仍然觉得我缺少一件事。在下面的代码中，我对信号进行 FFT，计算归一化功率，使用三角形对信号进行滤波，并最终将对应于每个组的能量求和以获得 MFCC。

如果我犯了错误，有人可以确认这没关系或指导我>我用简单的纯音进行了测试，在我看来，它给了我合理的答案。

非常感谢任何帮助:)

PS。我正在研究如何应用矢量化余弦变换。看起来我需要一个 MxM 变换系数矩阵，但我没有找到任何可以解释如何做到这一点的来源。

我正在尝试从音频文件中提取一些特征，MFCC 是准确的。然后我找到了一个 C 库 LibXtract，它可以为我完成这项工作。

我正在尝试在 iOS 项目中使用 LibXtract，我已按照本教程进行操作

http://inote.apptrek.net/2011/10/howto-compile-native-c-codes-to-a-library-for-ios-development-in-xcode-take-mosquitto-for-an-example/

但我在处理过程中遇到了一些问题，首先我收到了这个警告

ld：警告：忽略文件 ......./libLibXtract.a，文件 ..../libLibXtract.a 中缺少所需的体系结构 i386

和那些错误

架构 i386 的未定义符号：“_xtract_asdf”，引用自：VoiceRecAppDelegate.o 中的 -[VoiceRecAppDelegate applicationWillResignActive:]

ld：未找到体系结构 i386 的符号 clang：错误：链接器命令失败，退出代码为 1（使用 -v 查看调用）

所以我想在这个问题上寻求你的帮助，如果可能的话，我想只用 obj-C 代码从头开始提取 MFCC。

问候， 奥马尔

我已经基于实用的密码学站点在 C 中实现了一些代码来提取 MFCC。有没有一种简单的方法可以验证我的系数值是否正确生成？

从linux中的音频文件中提取mfcc的最快方法是什么（在我的例子中是Raspberry Pi）。我尝试了 sphinx3，但对于大文件（在 Raspberry Pi 上）来说速度很慢。SFS（语音归档系统）在 Windows 上相当快，但我无法在 linux 上安装它。请提出一些方法。