耳蝸實質上相當於乙個濾波器組，耳蝸的濾波作用是在對數頻率尺度上進行的，在1000hz下，人耳的感知能力與頻率成線性關係；而在1000hz以上，人耳的感知能力與頻率不構成線性關係，而更偏向於對數關係，這就使得人耳對低頻訊號比高頻訊號更敏感。mel頻率的提出是為了方便人耳對不同頻率語音的感知特性的研究。頻率與mel頻率的轉換公式為：
mfcc在一定程度上模擬了人耳對語音的處理特點，應用了人耳聽覺感知方面的研究成果，採用這種技術語音識別系統的效能有一定提高。
mfcc引數的提取
1、 預加重處理
預加重處理其實是乙個高通濾波器，該高通濾波順的傳遞函式為：
其中的取值為0.97，該高通濾波器作用是濾去低頻，使語音頻號的高頻特性更加突現。
2、 分幀及加窗處理
由於語音頻號只在較短的時間內呈現平穩性（一般認為10-30ms），因此將語音頻號劃分為乙個乙個的短時段即一幀。同時為避免丟失語音頻號的動態資訊，相鄰幀之間要有一段重疊區域，重疊區域一段為幀長的1/2或1/3。然後再將每幀乘上窗函式，以增加每幀左端和右端的連續性。
3、 各幀訊號的fft變換
對分幀加窗後的各幀訊號進行fft變換得到各幀的頻譜。並對語音頻號的頻譜取模平方得到語音頻號的功率譜。
4、 三角濾波器係數的求取
定義若干個帶通三角濾波器(k)，0<=m<=m，m為濾波器個數，其中心頻率為f(m),每個帶通三角濾波器的頻率響應為
且滿足mel(f(m))-mel(f(m-1))=mel(f(m+1))-mel(f(m))
求得濾波係數為m(i),i=1,…,p，p為濾波器階數
5、 三角濾波並進行離散余弦變換dct
c(i)即為所要求提取的特徵引數。
特徵引數提取之後，進行特徵引數的識別：
特徵引數的識別主要採用bp
神經網路演算法進行**，而在**前需要用一定數量的樣本對網路進行訓練，使網路具有聯想記憶和**能力。
網路訓練步驟如下：
（1） 網路初始化。
確定網路輸入層、隱層、輸出層數目，輸出層到隱層的連線權值wij及隱層到輸出層的連線權值wjk，同時初始化隱層閾值a和輸出層閾值b;
（2） 隱層的輸出計算。
隱層輸出式中，l為隱含層節點數；f為隱含層激勵函式，本實驗選取函式為:
（3） 輸出層輸出計算。
根據隱含層輸出h，連線權值和閾值b，計算bp神經網路**輸出o。
（4） 誤差計算。
根據網路**輸出o和期望輸出y，計算網路**誤差e.
（5） 權值更新。
根據網路**誤差e更新網路連線權值,
其中，α為學習速率。
（6） 閾值更新。
根據網路**誤差e更新網路節點閾值a,b.
（7） 判斷演算法迭代是否結束，若沒有結束，返回步驟（2）。
bp神經網路分類
用訓練好的bp神經網路分類語音特徵訊號，根據分類結果分析bp神經網路分類能力。
畢設 梅爾倒譜係數 MFCC特徵提取
一 mfcc概述 在語音識別 speechrecognition 和話者識別 speakerrecognition 方面，最常用到的語音特徵就是梅爾倒譜係數 mel scalefrequency cepstral coefficients，簡稱mfcc 一般來說，低音容易掩蔽高音，而高音掩蔽低音較困...
MFCC梅爾倒譜係數
mfcc梅爾倒譜係數是說話人識別 語音識別中最為常用的特徵。我曾經對這個特徵困惑了很久，包括為什麼步驟中要取對數，為什麼要最後一步要做dct等等，以下將把我的理解記錄下來，我找到的參考文獻中最有價值的要數了。是cum乙個教授做的ppt。整個流程如下 時域的波形圖如下 圖1.時域波形圖 第一步 獲得語...
理解 MFCC梅爾倒譜係數
mfcc梅爾倒譜係數是說話人識別 語音識別中最為常用的特徵。我曾經對這個特徵困惑了很久，包括為什麼步驟中要取對數，為什麼要最後一步要做dct等等，以下將把我的理解記錄下來，我找到的參考文獻中最有價值的要數了。是cum乙個教授做的ppt。整個流程如下 時域的波形圖如下 圖1.時域波形圖 第一步 獲得語...