CN103390403B - Mfcc特征的提取方法及装置 - Google Patents
Mfcc特征的提取方法及装置 Download PDFInfo
- Publication number
- CN103390403B CN103390403B CN201310242486.5A CN201310242486A CN103390403B CN 103390403 B CN103390403 B CN 103390403B CN 201310242486 A CN201310242486 A CN 201310242486A CN 103390403 B CN103390403 B CN 103390403B
- Authority
- CN
- China
- Prior art keywords
- mel
- fdrequency component
- high fdrequency
- sound signal
- mfcc feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Auxiliary Devices For Music (AREA)
Abstract
本发明提供一种MFCC特征的提取方法及装置。本发明实施例通过利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,以生成Mel域高频分量,进而对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征,使得能够根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,由于利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,可以获得Mel域高频分量,因此,能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,从而提高了MFCC特征的鲁棒性。
Description
【技术领域】
本发明涉及音频特征提取技术,尤其涉及一种梅尔频率倒谱系数(MelFrequencyCepstrumCoefficient,MFCC)特征的提取方法及装置。
【背景技术】
随着通信技术的发展,终端集成了越来越多的功能,从而使得终端的系统功能列表中包含了越来越多相应的应用程序,例如,电脑中安装的应用程序,第三方智能手机中安装的应用程序(Application,APP)等。有些应用程序中会涉及一些音频信号的梅尔频率倒谱系数(MelFrequencyCepstrumCoefficient,MFCC)特征提取,例如,基于内容的音乐辨识(MusicIdentification)服务、相似音乐推荐(MusicRecommendation)服务等音频识别服务。现有技术中,利用Mel滤波器组对经过预处理的音频信号,进行过滤处理;然后,再对经过滤波处理的频域信号进行离散余弦变换(DiscreteCosineTransform,DCT),这样就获得了MFCC特征。
然而,由于训练数据是纯净的音频数据,没有任何干扰,而测试数据则是在自然环境中采集的音频数据,可能会由于一些原因有明显的失真,例如,周围环境的噪声、传输系统所引入的信道失真等,使得测试数据与训练数据可能会不完全匹配,因此,采用现有技术从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征可能会存在较大差异,使得MFCC特征的鲁棒性较差。
【发明内容】
本发明的多个方面提供一种MFCC特征的提取方法及装置,用以提高MFCC特征的鲁棒性。
本发明的一方面,提供一种MFCC特征的提取方法,包括:
对音频信号进行预处理,以生成频域信号;
利用Mel滤波器组中所包括的高频段Mel滤波器,对所述频域信号进行过滤处理,以生成Mel域高频分量,所述高频段Mel滤波器的下限截止频率大于或等于预先设置的频率阈值;
对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征;
根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,包括:
将每个所述Mel域高频分量的变换特征,作为所述音频信号的MFCC特征;或者
根据每个所述Mel域高频分量的变换特征,获得每个所述Mel域高频分量的变换特征的高频分量;以及将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
本发明的另一方面,提供一种MFCC特征的提取装置,包括:
预处理单元,用于对音频信号进行预处理,以生成频域信号;
过滤单元,用于利用Mel滤波器组中所包括的高频段Mel滤波器,对所述频域信号进行过滤处理,以生成Mel域高频分量,所述高频段Mel滤波器的下限截止频率大于或等于预先设置的频率阈值;
变换单元,用于对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征;
获得单元,用于根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述获得单元,具体用于
将每个所述Mel域高频分量的变换特征,作为所述音频信号的MFCC特征;或者
根据每个所述Mel域高频分量的变换特征,获得每个所述Mel域高频分量的变换特征的高频分量;以及将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
由上述技术方案可知,本发明实施例通过利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,以生成Mel域高频分量,进而对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征,使得能够根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,由于利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,可以获得Mel域高频分量,因此,能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,从而提高了MFCC特征的鲁棒性。
另外,采用本发明提供的技术方案,由于能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,因此,使得基于内容的音乐辨识(MusicIdentification)服务、相似音乐推荐(MusicRecommendation)服务等音频识别服务的识别音频信号的准确率提高。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为测试数据的信道传递函数的示意图;
图2为本发明一实施例提供的MFCC特征的提取方法的流程示意图;
图3为本发明另一实施例提供的MFCC特征的提取装置的结构示意图。
【具体实施方式】
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例中所涉及的终端可以包括但不限于手机、个人数字助理(PersonalDigitalAssistant,PDA)、无线手持装置、无线上网本、个人电脑、便携电脑、MP3播放器、MP4播放器等。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
由于训练数据是纯净的音频数据,没有任何干扰,而测试数据则是在自然环境中采集的音频数据,可能会由于一些原因有明显的失真,例如,周围环境的噪声、传输系统所引入的信道失真等,使得测试数据与训练数据可能会不完全匹配。图1为测试数据的信道传递函数的示意图,如图1所示,它可以看做一个滤波器。低频段的值比较低,说明这个滤波器对低频段的音频信号有抑制作用,而高频段的值不是很低,说明这个滤波器对高频段的音频信号没有抑制作用。这就说明,测试数据经过这个滤波器之后,低频段被抑制掉了,只保留了高频分量,相当于“高通滤波器”,所以产生了低频失真。因此,采用现有技术从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征可能会存在较大差异,这个是问题的根源所在。
图2为本发明一实施例提供的MFCC特征的提取方法的流程示意图,如图2所示。
201、对音频信号进行预处理,以生成频域信号。
202、利用Mel滤波器组中所包括的高频段Mel滤波器,对所述频域信号进行过滤处理,以生成Mel域高频分量,所述高频段Mel滤波器的下限截止频率大于或等于预先设置的频率阈值。
203、对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征。
204、根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征。
需要说明的是,音频信号由若干帧组成,每一帧中可能包含音频信号的若干基础特征,例如,梅尔频率倒谱系数(MelFrequencyCepstrumCoefficient,MFCC)特征、基音(pitch)特征和频率特征等音频特征。
需要说明的是,201~204的执行主体可以是特征提取装置,可以位于本地的客户端中,以进行离线提取处理,或者还可以位于网络侧的服务器中,以进行在线提取处理,本实施例对此不进行限定。
可以理解的是,所述客户端可以是安装在终端上的应用程序,或者还可以是浏览器的一个网页,只要能够实现音频识别,以提供语音服务的客观存在形式都可以,本实施例对此不进行限定。
这样,通过利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,以生成Mel域高频分量,进而对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征,使得能够根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,由于利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,可以获得Mel域高频分量,因此,能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,从而提高了MFCC特征的鲁棒性。
另外,采用本发明提供的技术方案,由于能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,因此,使得基于内容的音乐辨识(MusicIdentification)服务、相似音乐推荐(MusicRecommendation)服务等音频识别服务的识别音频信号的准确率提高。
可选地,在本实施例的一个可能的实现方式中,在204中,具体可以直接将每个所述Mel域高频分量的变换特征,作为所述音频信号的MFCC特征。
可选地,在本实施例的一个可能的实现方式中,在204中,具体还可以根据每个所述Mel域高频分量的变换特征,获得每个所述Mel域高频分量的变换特征的高频分量;然后,再将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
为使得本发明实施例提供的方法更加清楚,下面将举例说明。
第一步,逐帧接收输入信号,对所述输入信号进行预处理,以获得分帧之后的全频带音频信号,简称为音频信号。具体地,所述预处理可以包括但不限于信号分帧、预加重、加窗、傅里叶变换(FastFourierTransform,FFT)等预处理。
第二步,修改Mel滤波器组,去掉其所包括的Mel滤波器中的2个低频段Mel滤波器,并利用剩余的Mel滤波器,对每一帧的音频信号进行过滤处理,以生成Mel域高频分量。
由于去掉了Mel滤波器组所包括的Mel滤波器中的2个低频段Mel滤波器,因此,可以理解为,所述高频段Mel滤波器的下限截止频率所大于或等于的频率阈值则可以设置为这2个低频段Mel滤波器的上限截止频率。
这样做的好处是,能够去掉容易受环境影响的Mel域低频分量,剩下不容易受环境影响的Mel域高频分量,这部分Mel域分量的鲁棒性较好。
第三步,对所述Mel域高频分量进行一维DCT,以生成每个所述Mel域高频分量的变换特征。
第四步,去掉所述Mel域高频分量的变换特征中维数较低的元素,以生成每个所述Mel域高频分量的变换特征的高频分量。
具体地,由于所有的所述Mel域高频分量的变换特征则可以构成一个一维DCT特征向量,靠近DCT特征向量前面的元素,描述的是变换特征的低频分量,靠近DCT特征向量后面的元素,描述的是变换特征的高频分量。因此,具体可以去掉靠近DCT特征向量前面的元素,例如,第一个元素,或者第一个元素和第二个元素,等。
这样,将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
可以理解的是,本发明涉及的音频信号的MFCC特征可以单独使用,以描述音频信号的声学特性,或者还可以进一步与音频信号的其他基础特征结合使用,以描述音频信号的声学特性和其他基础特性,例如,基音(pitch)特征和频率特征等音频特征,本发明对此不进行特别限定。
本实施例中,通过利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,以生成Mel域高频分量,进而对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征,使得能够根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,由于利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,可以获得Mel域高频分量,因此,能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,从而提高了MFCC特征的鲁棒性。
另外,采用本发明提供的技术方案,由于能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,因此,使得基于内容的音乐辨识(MusicIdentification)服务、相似音乐推荐(MusicRecommendation)服务等音频识别服务的识别音频信号的准确率提高。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
图3为本发明另一实施例提供的MFCC特征的提取装置的结构示意图,如图3所示。本实施例的MFCC特征的提取装置可以包括预处理单元31、过滤单元32、变换单元33和获得单元34。其中,预处理单元31,用于对音频信号进行预处理,以生成频域信号;过滤单元32,用于利用Mel滤波器组中所包括的高频段Mel滤波器,对所述频域信号进行过滤处理,以生成Mel域高频分量,所述高频段Mel滤波器的下限截止频率大于或等于预先设置的频率阈值;变换单元33,用于对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征;获得单元34,用于根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征。
需要说明的是,音频信号由若干帧组成,每一帧中可能包含音频信号的若干基础特征,例如,梅尔频率倒谱系数(MelFrequencyCepstrumCoefficient,MFCC)特征、基音(pitch)特征和频率特征等音频特征。
需要说明的是,本实施例提供的装置可以是特征提取装置,可以位于本地的客户端中,以进行离线提取处理,或者还可以位于网络侧的服务器中,以进行在线提取处理,本实施例对此不进行限定。
可以理解的是,所述客户端可以是安装在终端上的应用程序,或者还可以是浏览器的一个网页,只要能够实现音频识别,以提供语音服务的客观存在形式都可以,本实施例对此不进行限定。
这样,通过过滤单元利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理单元所进行的预处理的音频信号进行过滤处理,以生成Mel域高频分量,进而由变换单元对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征,使得获得单元能够根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,由于利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,可以获得Mel域高频分量,因此,能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,从而提高了MFCC特征的鲁棒性。
另外,采用本发明提供的技术方案,由于能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,因此,使得基于内容的音乐辨识(MusicIdentification)服务、相似音乐推荐(MusicRecommendation)服务等音频识别服务的识别音频信号的准确率提高。
可选地,在本实施例的一个可能的实现方式中,所述变换单元33,具体可以用于将每个所述Mel域高频分量的变换特征,作为所述音频信号的MFCC特征。
可选地,在本实施例的一个可能的实现方式中,所述变换单元33,具体还可以用于根据每个所述Mel域高频分量的变换特征,获得每个所述Mel域高频分量的变换特征的高频分量;以及将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
为使得本发明实施例提供的方法更加清楚,下面将举例说明。
第一步,预处理单元逐帧接收输入信号,对所述输入信号进行预处理,以获得分帧之后的全频带音频信号,简称为音频信号。具体地,所述预处理可以包括但不限于信号分帧、预加重、加窗、傅里叶变换(FastFourierTransform,FFT)等预处理。
第二步,过滤单元修改Mel滤波器组,去掉其所包括的Mel滤波器中的2个低频段Mel滤波器,并利用剩余的Mel滤波器,对每一帧的音频信号进行过滤处理,以生成Mel域高频分量。
由于过滤单元去掉了Mel滤波器组所包括的Mel滤波器中的2个低频段Mel滤波器,因此,可以理解为,所述高频段Mel滤波器的下限截止频率所大于或等于的频率阈值则可以设置为这2个低频段Mel滤波器的上限截止频率。
这样做的好处是,能够去掉容易受环境影响的Mel域低频分量,剩下不容易受环境影响的Mel域高频分量,这部分Mel域分量的鲁棒性较好。
第三步,变换单元对所述Mel域高频分量进行一维DCT,以生成每个所述Mel域高频分量的变换特征。
第四步,获得单元去掉所述Mel域高频分量的变换特征中维数较低的元素,以生成每个所述Mel域高频分量的变换特征的高频分量。
具体地,所有的所述Mel域高频分量的变换特征则可以构成一个一维DCT特征向量,靠近DCT特征向量前面的元素,描述的是变换特征的低频分量,靠近DCT特征向量后面的元素,描述的是变换特征的高频分量。因此,获得单元具体可以去掉靠近DCT特征向量前面的元素,例如,第一个元素,或者第一个元素和第二个元素,等。
这样,将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
可以理解的是,本发明涉及的音频信号的MFCC特征可以单独使用,以描述音频信号的声学特性,或者还可以进一步与音频信号的其他基础特征结合使用,以描述音频信号的声学特性和其他基础特性,例如,基音(pitch)特征和频率特征等音频特征,本发明对此不进行特别限定。
本实施例中,通过过滤单元利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理单元所进行的预处理的音频信号进行过滤处理,以生成Mel域高频分量,进而由变换单元对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征,使得获得单元能够根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,由于利用Mel滤波器组中所包括的高频段Mel滤波器,对经过预处理的音频信号进行过滤处理,可以获得Mel域高频分量,因此,能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,从而提高了MFCC特征的鲁棒性。
另外,采用本发明提供的技术方案,由于能够去掉容易受环境影响的Mel域低频分量,使得从测试数据中提取的MFCC特征与从训练数据中提取的MFCC特征不会存在较大差异,因此,使得基于内容的音乐辨识(MusicIdentification)服务、相似音乐推荐(MusicRecommendation)服务等音频识别服务的识别音频信号的准确率提高。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种MFCC特征的提取方法,其特征在于,包括:
对音频信号进行预处理,以生成频域信号;
利用Mel滤波器组中所包括的高频段Mel滤波器,对所述频域信号进行过滤处理,以生成Mel域高频分量,所述高频段Mel滤波器的下限截止频率大于或等于预先设置的频率阈值;所述频率阈值为所述Mel滤波器组中所包括的除了所述高频段Mel滤波器之外的低频段Mel滤波器的上限截止频率;
对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征;
根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征。
2.根据权利要求1所述的方法,其特征在于,所述根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征,包括:
将每个所述Mel域高频分量的变换特征,作为所述音频信号的MFCC特征;或者
根据每个所述Mel域高频分量的变换特征,获得每个所述Mel域高频分量的变换特征的高频分量;以及将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
3.一种MFCC特征的提取装置,其特征在于,包括:
预处理单元,用于对音频信号进行预处理,以生成频域信号;
过滤单元,用于利用Mel滤波器组中所包括的高频段Mel滤波器,对所述频域信号进行过滤处理,以生成Mel域高频分量,所述高频段Mel滤波器的下限截止频率大于或等于预先设置的频率阈值;所述频率阈值为所述Mel滤波器组中所包括的除了所述高频段Mel滤波器之外的低频段Mel滤波器的上限截止频率;
变换单元,用于对所述Mel域高频分量进行离散余弦变换,以生成每个所述Mel域高频分量的变换特征;
获得单元,用于根据每个所述Mel域高频分量的变换特征,获得所述音频信号的MFCC特征。
4.根据权利要求3所述的装置,其特征在于,所述获得单元,具体用于
将每个所述Mel域高频分量的变换特征,作为所述音频信号的MFCC特征;或者
根据每个所述Mel域高频分量的变换特征,获得每个所述Mel域高频分量的变换特征的高频分量;以及将每个所述Mel域高频分量的变换特征的高频分量,作为所述音频信号的MFCC特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310242486.5A CN103390403B (zh) | 2013-06-19 | 2013-06-19 | Mfcc特征的提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310242486.5A CN103390403B (zh) | 2013-06-19 | 2013-06-19 | Mfcc特征的提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103390403A CN103390403A (zh) | 2013-11-13 |
CN103390403B true CN103390403B (zh) | 2015-11-25 |
Family
ID=49534651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310242486.5A Active CN103390403B (zh) | 2013-06-19 | 2013-06-19 | Mfcc特征的提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103390403B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986997B (zh) * | 2014-05-28 | 2016-04-06 | 努比亚技术有限公司 | 一种调节音频输出回路滤波参数方法、装置及移动终端 |
CN107527611A (zh) * | 2017-08-23 | 2017-12-29 | 武汉斗鱼网络科技有限公司 | Mfcc语音识别方法、存储介质、电子设备及系统 |
CN110610696B (zh) * | 2018-06-14 | 2021-11-09 | 清华大学 | 一种基于混合信号域的mfcc特征提取方法及装置 |
CN109949821B (zh) * | 2019-03-15 | 2020-12-08 | 慧言科技(天津)有限公司 | 一种利用cnn的u-net结构进行远场语音去混响的方法 |
CN112945376B (zh) * | 2021-03-24 | 2023-05-16 | 东风汽车集团股份有限公司 | 车辆外后视镜镜片调节电机噪音检测方法、系统及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1500260A (zh) * | 2002-01-30 | 2004-05-26 | Ħ��������˾ | 用于构成语音识别参数的方法 |
CN101577116A (zh) * | 2009-02-27 | 2009-11-11 | 北京中星微电子有限公司 | 一种语音信号的MFCC系数提取方法、装置及一种Mel滤波方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040148160A1 (en) * | 2003-01-23 | 2004-07-29 | Tenkasi Ramabadran | Method and apparatus for noise suppression within a distributed speech recognition system |
-
2013
- 2013-06-19 CN CN201310242486.5A patent/CN103390403B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1500260A (zh) * | 2002-01-30 | 2004-05-26 | Ħ��������˾ | 用于构成语音识别参数的方法 |
CN101577116A (zh) * | 2009-02-27 | 2009-11-11 | 北京中星微电子有限公司 | 一种语音信号的MFCC系数提取方法、装置及一种Mel滤波方法 |
Non-Patent Citations (2)
Title |
---|
On the Use of Weighted Filter Bank Analysis for the Derivation of Robust MFCCs;Wei-Wen Hung,Hsiao-Chuan Wang;《IEEE SIGNAL PROCESSING LETTERS》;20010331;第8卷(第3期);第70-73页 * |
基于MFCC参数的说话人特征提取算法的改进;张晶,范明,冯文全,董金明;《语音技术》;20090930;第33卷(第9期);第61-64,79页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103390403A (zh) | 2013-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110085251B (zh) | 人声提取方法、人声提取装置及相关产品 | |
CN103390403B (zh) | Mfcc特征的提取方法及装置 | |
CN103943104B (zh) | 一种语音信息识别的方法及终端设备 | |
CN107527620A (zh) | 电子装置、身份验证的方法及计算机可读存储介质 | |
CN104954555A (zh) | 一种音量调节方法及系统 | |
CN111640411B (zh) | 音频合成方法、装置及计算机可读存储介质 | |
CN103903612A (zh) | 一种实时语音识别数字的方法 | |
CN109074814B (zh) | 一种噪声检测方法及终端设备 | |
CN107680584B (zh) | 用于切分音频的方法和装置 | |
CN103347070B (zh) | 推送语音数据的方法、终端、服务器及系统 | |
CN110738980A (zh) | 歌声合成模型的训练方法、系统及歌声合成方法 | |
WO2023103253A1 (zh) | 一种音频检测方法、装置及终端设备 | |
US20150325252A1 (en) | Method and device for eliminating noise, and mobile terminal | |
Li et al. | Learning normality is enough: a software-based mitigation against inaudible voice attacks | |
CN104091591A (zh) | 一种音频处理方法及装置 | |
CN111899747B (zh) | 用于合成音频的方法和装置 | |
CN111477248B (zh) | 一种音频噪声检测方法及装置 | |
CN103354091A (zh) | 基于频域变换的音频特征提取方法及装置 | |
CN104966518A (zh) | 一种音乐文件的音质检测方法及装置 | |
CN111462736B (zh) | 基于语音的图像生成方法、装置和电子设备 | |
CN108630208B (zh) | 服务器、基于声纹的身份验证方法及存储介质 | |
CN104715756A (zh) | 音频数据的处理方法及装置 | |
CN116312559A (zh) | 跨信道声纹识别模型的训练方法、声纹识别方法及装置 | |
CN104900227A (zh) | 语音特征信息的提取方法及电子设备 | |
CN105355206A (zh) | 一种声纹特征提取方法和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |