梅尔倒频谱mel-.ppt

梅爾倒頻譜係數(Mel-frequency cepstral coefficients) 大綱 倒頻譜 人類聽覺特性 梅爾倒頻譜 倒頻譜 語音訊號可如下表示: 其中，X(n)為語音訊號 θ(n)為音源訊號 E(n)為聲道的脈衝響應信號 倒頻譜 語音訊號之頻域表示方式: 倒頻譜 對頻域的語音訊號加上絕對值與對數 在對取完絕對值與對數的訊號，進行逆傅立葉轉換， 所對應的ce(n)會落在n值較大的地方，而 所對應的cθ(n)會存在n值較小處 倒頻譜 人類聽覺特性 人類在分辨聲音時，是取決於頻域上的解析度，能否聽見聲音或分辨聲音是取決於音強(Intensity)與頻譜(Spectrum) 人類聽覺特性 人類聽覺上的兩個重要特性―遮蔽效應、臨界頻帶 當某一頻率的聲音，有一特定音強存在，另一個不同頻率的聲音要將音強提高，才會被聽見，這就是遮蔽效應(Masking Effect) 遮蔽效應有兩種現象，一名為頻率遮蔽(Frequency Masking)，另一名為時間遮蔽(Temporal Masking) 人類聽覺特性 同時存在的聲音，常常是低頻的聲音傾向於遮蔽高頻的聲音 人類聽覺特性 聲音在聽覺器官中，傳遞時間延遲所造成的遮蔽現象，稱時間遮蔽 人類聽覺特性 當我們改變窄頻帶聲音刺激(narrowband sound stimulus)時，其聲音成分若跨越某一頻率，則聽覺上會感到有差異，而在一頻率範圍內，則感覺不到差異，這個頻率範圍稱臨界頻帶(Critical Band) 在人類聽覺範圍內，可以分成24個臨界頻帶 人類聽覺特性 人類聽覺特性 巴克度量(Bark Scale)又稱臨界頻帶率(Critical-Band Rate)，它將聲學上的頻率與感知上的頻率解析度對照起來，其公式如下 其中B(f)為臨界頻率帶 人類聽覺特性 巴克量度的轉換曲線 梅爾倒頻譜 與巴克量度相似的梅爾量度(Mel Scale)，其公式如下: 或是 梅爾倒頻譜 梅爾量度的轉換曲線 梅爾倒頻譜 梅爾倒頻譜流程圖 梅爾倒頻譜 梅爾三角濾波器組 梅爾倒頻譜 在Filtering步驟，先對頻域訊號進行平方運算以得到頻率能量 將頻率能量乘上梅爾三角濾波器組，並累加起來 其中J為濾波器的數量 為第j個濾波器 梅爾倒頻譜 其公式為: 執行DCT，其公式為: 其中，L為MFCC的維度 * *