Question

语音信号预处理

如果特征提取用的MFCC，里面有预加重、滤波
预处理里面还要不要再做？
我只知道预处理有采样量化、A/D转换、滤波、预加重、端点检测，不清楚MFCC，但我看MFCC里面有，所以我不懂还做不做。
有高手能讲一下原理就更好。
3Q先。。

Answer 1

MFCC是计算语音信号的Mel频率倒谱系数,Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征，MFCC已经广泛地应用在语音识别领域。由于Mel频率与Hz频率之间非线性的对应关系，使得MFCC随着频率的提高，其计算精度随之下降。因此，在应用中常常只使用低频MFCC，而丢弃中高频MFCC。

MFCC参数的提取包括以下几个步骤：
 预滤波（低通）：前端带宽为300-3400Hz的抗混叠滤波器。
 A/D变换：采样频率，线性量化精度。
 预加重：通过一个一阶有限激励响应高通滤波器，使信号的频谱变得平坦，不易受到有限字长效应的影响。
 分帧：根据语音的短时平稳特性，语音可以以帧为单位进行处理，实验中选取的语音帧长为32ms，帧叠为16ms。
 加窗：采用哈明窗对一帧语音加窗，以减小吉布斯效应的影响。
 快速傅立叶变换（Fast Fourier Transformation, FFT）：将时域信号变换成为信号的功率谱。
 三角窗滤波：用一组Mel频标上线性分布的三角窗滤波器（共24个三角窗滤波器），对信号的功率谱滤波，每一个三角窗滤波器覆盖的范围都近似于人耳的一个临界带宽，以此来模拟人耳的掩蔽效应。
 求对数：三角窗滤波器组的输出求取对数，可以得到近似于同态变换的结果。
 离散余弦变换（Discrete Cosine Transformation, DCT）：去除各维信号之间的相关性，将信号映射到低维空间。
 谱加权：由于倒谱的低阶参数易受说话人特性、信道特性等的影响，而高阶参数的分辨能力比较低，所以需要进行谱加权，抑制其低阶和高阶参数。
 倒谱均值减（Cepstrum Mean Subtraction, CMS）：CMS可以有效地减小语音输入信道对特征参数的影响。
 差分参数：大量实验表明，在语音特征中加入表征语音动态特性的差分参数，能够提高系统的识别性能。可用到了MFCC参数的一阶差分参数和二阶差分参数。

采样前的低通滤波，主要是消除采样时的频谱混叠。由硬件完成。
预加重主要是提高高频的频谱分量。软件，硬件都可以完成。

预加重前，也可以用高通滤波器，消除低频噪音。

如果计算mfcc是有了预加重。之前的预加重就不要做。

采样前的硬件低通滤波是一定要做的。

计算mfcc时的滤波，看起的作用是什么？如果是进一步消除噪音，那就必须做。

Answer 2

针对你的问题：

一、如果你确定你用的特征提取里有预处理的过程那就不需要再做了。

二、纠正下，数字化和预处理是两个过程。

原理：

1、欲滤波：就是要抑制工频干扰；接下来进行采样；

2、A/D转换就是《数字信号处理》中量化，会带来量化误差；（简单的部分掠过）

3、端点检测。从静音部分把噪音剔除，把需要的语音部分提取出来。这部分是

关键，直接影响系统的成败。端点检测的算法有很多，基于相关性的，基于短时

能量的，过零率的，最近我看到还有排列熵的。等等

4、你要做语音是针对说话人，还要预加重：因为人说话时唇端辐射使高频能量

丢失，预加重可以提升高频部分，使信号频谱变得平坦，利于分析。

5、分帧加窗也容易：matlab一句话的事，viocebox里的enframe函数。（如果你

自己写程序：一般加汉明窗。如果学过《数字信号》你就应该知道，汉明的主瓣

宽，而外带衰减快，可以减小语音帧的截断效应。)

6、mfcc:变换到mel频度来模拟人耳听觉特性。套话就不说了，你也知道目前用

在语音处理最合适。程序网上也有很多，我想说的是现在有很多改进的mfcc，你

可以找那些程序来改善你系统的性能。

另外，我这有viocebox工具箱，如果你需要，给我你的邮箱。

Answer 3

MFCC是计算语音信号的Mel频率倒谱系数,Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征，MFCC已经广泛地应用在语音识别领域。由于Mel频率与Hz频率之间非线性的对应关系，使得MFCC随着频率的提高，其计算精度随之下降。因此，在应用中常常只使用低频MFCC，而丢弃中高频MFCC。