Jak pokonać różne rozkłady współczynników MFCC z różnych zestawów danych mowy?

1. Ile jest współczynników MFCC?
2. Jak wyodrębniane są funkcje MFCC do rozpoznawania mowy?
3. Dlaczego używamy DCT w MFCC?
4. Co to jest blokowanie ramki w MFCC?

Ile jest współczynników MFCC?

2. Istnieje 39 funkcji MFCC: A. 12 funkcji MFCC.

Jak wyodrębniane są funkcje MFCC do rozpoznawania mowy?

Technika ekstrakcji funkcji MFCC obejmuje zasadniczo okno sygnału, zastosowanie DFT, przyjmowanie dziennika wielkości, a następnie wypaczenie częstotliwości w skali MEL, a następnie zastosowanie odwrotnego DCT.

Dlaczego używamy DCT w MFCC?

DCT jest ostatnim krokiem głównego procesu ekstrakcji funkcji MFCC. Podstawową koncepcją DCT jest koreluje wartość spektrum MEL, aby uzyskać dobrą reprezentację lokalnych lokalnych właściwości. Zasadniczo koncepcja DCT jest taka sama jak odwrotna transformacja Fouriera.

Co to jest blokowanie ramki w MFCC?

1) Blokowanie ram: oznacza uzyskanie charakterystycznych cech sygnału mowy w bardziej stabilnym stanie poprzez przetwarzanie go w niewielkich odstępach czasu. 2) Okno: okno można zdefiniować jako podzielenie sygnału mowy na okres określonej długości.