MFCC/Filter Bank的提取流程

   

1. 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。
2. 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，帧移为16ms。
3. 加窗：采用汉明窗对一帧语音加窗，以减小吉布斯效应的影响。
   1. 汉明窗，海明窗，是一个窗函数，这个函数在某一区间有非零值，而在其余区间皆为0。这是为了方便做快速傅里叶变换
4. 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（频域信号）。
5. 梅尔滤波器组： 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。 一般取40个三角滤波器，取对数后即40维fbank
6. 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。
7. 离散余弦变换（Discrete Cosine Transformation, DCT，可选）：去除各维信号之间的相关性（去相关），将信号映射到低维空间（从40维降到13维）。 若去除这一步，得到的则是Filter Bank特征，因为dnn模型可以学习特征间的相关性，因此不需要去相关性的操作。
8. 得到MFCC或Filter Bank
9. Delta差分：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。在本系统中，我们也用到了MFCC参数的一阶差分参数(Delta-Delta)和二阶差分参数(Delta-Delta+Delta)。