MFCC倒谱系数特征提取与识别

首先，整合一下上一篇的基本内容：MFCC参数的提取过程。

耳蜗实质上相当于一个滤波器组，耳蜗的滤波作用是在对数频率尺度上进行的，在1000HZ下，人耳的感知能力与频率成线性关系；而在1000HZ以上，人耳的感知能力与频率不构成线性关系，而更偏向于对数关系，这就使得人耳对低频信号比高频信号更敏感。Mel频率的提出是为了方便人耳对不同频率语音的感知特性的研究。频率与Mel频率的转换公式为：

MFCC在一定程度上模拟了人耳对语音的处理特点，应用了人耳听觉感知方面的研究成果，采用这种技术语音识别系统的性能有一定提高。

MFCC参数的提取

1、  预加重处理

 预加重处理其实是一个高通滤波器，该高通滤波顺的传递函数为：

其中的取值为0.97，该高通滤波器作用是滤去低频，使语音信号的高频特性更加突现。

2、  分帧及加窗处理

由于语音信号只在较短的时间内呈现平稳性（一般认为10-30ms），因此将语音信号划分为一个一个的短时段即一帧。同时为避免丢失语音信号的动态信息，相邻帧之间要有一段重叠区域，重叠区域一段为帧长的1/2或1/3。然后再将每帧乘上窗函数，以增加每帧左端和右端的连续性。

3、  各帧信号的FFT变换

对分帧加窗后的各帧信号进行FFT变换得到各帧的频谱。并对语音信号的频谱取模平方得到语音信号的功率谱。

4、  三角滤波器系数的求取

定义若干个带通三角滤波器(k)，0<=m<=M，M为滤波器个数，其中心频率为f(m),每个带通三角滤波器的频率响应为

且满足Mel(f(m))-Mel(f(m-1))=Mel(f(m+1))-Mel(f(m))

求得滤波系数为m(i),i=1,…,p，p为滤波器阶数

5、  三角滤波并进行离散余弦变换DCT

C(i)即为所要求提取的特征参数。

 

特征参数提取之后，进行特征参数的识别：

特征参数的识别主要采用BP神经网络算法进行预测，而在预测前需要用一定数量的样本对网络进行训练，使网络具有联想记忆和预测能力。

 

网络训练步骤如下：

（1）      网络初始化。

确定网络输入层、隐层、输出层数目，输出层到隐层的连接权值W_ij及隐层到输出层的连接权值W_jk，同时初始化隐层阈值a和输出层阈值b;

（2）      隐层的输出计算。

隐层输出式中，l为隐含层节点数；f为隐含层激励函数，本实验选取函数为:

（3）      输出层输出计算。

根据隐含层输出H，连接权值和阈值b，计算BP神经网络预测输出O。

（4）      误差计算。

根据网络预测输出O和期望输出Y，计算网络预测误差e.

（5）      权值更新。

根据网络预测误差e更新网络连接权值,

其中，α为学习速率。

（6）      阈值更新。

根据网络预测误差e更新网络节点阈值a,b.

（7）      判断算法迭代是否结束，若没有结束，返回步骤（2）。

BP神经网络分类

    用训练好的BP神经网络分类语音特征信号，根据分类结果分析BP神经网络分类能力。