在梅爾軸上，聽覺是等距離的、等差的，但聽覺軸上不是。聽覺音高是梅爾，乙個是響度，乙個是音高，一起用時是最好的聽覺特徵，mfcc只用了響度。有乙個假設是mfcc特徵的均值（mean）和標準差（std）都是一樣的。
聲門氣流波，每倍頻音下降12分貝。這是我們聲帶的特徵。經過咽腔，口腔進行共振，最後通過嘴唇發出。在唇齒之間進行唇嗆輻射時，每倍頻音增加6分貝。抵消之後是：每倍頻音下降6分貝。即：
因此我們採用預加重，對高頻提公升一下，盡量讓整個頻譜平坦一點。
在預加重公式中，傳輸函式如下：
假設我們採集到的樣本點是sp= 1,2,3,1,2,3,1,2,3。 其中，a一般取0.95-0.97之間的值，z-1就是上乙個時刻，z-2就是上上個時刻，這裡的「1」不是數值1，而是要代進去sp樣本點的值。要會用傳輸函式。
語音識別、語音處理時，通常每秒取40幀。對於16k取樣率的語音，指每秒鐘取16k個點，就是16000點。人耳是0.1秒才能感覺到語音。
每10ms處理一次，就是每跳過160點處理1幀，即每幀距離是160個點，幀的長度就是第0點開始取。第一幀開始處理，就是第0點開始取，第1次從0點開始取，第二次從160點開始取，第三次從320點開始取……每次取400個點開始分析，即第0-第399點。
因為我們要對它做傅利葉變換。傅利葉變換要求我們做頻譜分析時，訊號必須是平穩訊號，即他的統計訊號處處不變。分析視窗取多少？25ms。那麼為什麼取25ms？在25ms內人的口腔被認為是固定不動的。這就是平穩的。超過25ms就變異了。為什麼256或512？因為我們做快速傅利葉變換時，需要2的整數倍個0。加000000000…… 112個0。然後快速傅利葉變換結束後，分幀結束，後面進行加窗漢明窗。fft(快速傅利葉變換)的點，得出的點取一半，只有一半的點是有用的，8k取樣率只取一半，4k的點是有用的，其他的都是低頻段。這個地方在每次提特徵的時候設定取樣率時都要注意一下： --sample-frequency=8000 就是取樣率取8000。
為什麼要加窗？加窗會導致什麼？
加上任何窗函式都會對它的頻譜產生扭曲，因為它會洩露頻譜，洩露的頻譜主要都集中在它真正的頻率附近，旁邊的頻譜不會受到影響。
在這裡需要複習乙個高數的知識點：第一類間斷點和第二類間斷點。不再詳細提及，直接查資料就行。
前面的數值非常大，後面的數值越來越小，幾乎為0。後面的就可以拋棄掉。壓縮原理就是dct：後面的拋棄後，就得到壓縮。使用dct它有兩個好處，第乙個好處：後面的幾乎為0可以丟掉；第二個好處：加的梅爾窗有重疊，去除引數之間的相關性，提高識別效率。
模式識別中的特徵提取
模式識別中主要處理兩個關鍵問題，第一是分類器的設計，第二便是特徵提取。而且幾乎所有模式識別方面的研究都是在優化這兩個問題，要麼是造乙個更牛的分類器，要麼是找出一些表現力更高的特徵形式。然而這個問題再最近幾年變得不那麼明朗了，分類器的研究不用多說，從剛開始的k近鄰分類器，貝葉斯分類器，到曾經風靡一時的...
4 SIFT特徵提取和檢測的基本步驟
1 有4個主要步驟 尺度空間的極值檢測搜尋所有尺度空間上的影象，通過高斯微分函式來識別潛在的對尺度和選擇不變的興趣點。特徵點定位在每個候選的位置上，通過乙個擬合精細模型來確定位置尺度，關鍵點的選取依據他們的穩定程度。特徵方向賦值基於影象區域性的梯度方向，分配給每個關鍵點位置乙個或多個方向，後續的所有...
關於人臉檢測中的Haar特徵提取
關於人臉檢測中的haar特徵提取 影響adaboost人臉檢測訓練演算法速度很重要的兩方面是特徵選取和特徵計算。選取的特徵為矩特徵為haar特徵，計算的方法為積分圖。1 haar特徵 haar特徵分為三類 邊緣特徵 線性特徵 中心特徵和對角線特徵，組合成特徵模板。特徵模板內有白色和黑色兩種矩形，並定...