Jak wykonać algorytm MFCC?

Question

Chcę utworzyć algorytm Cepstrum z częstotliwością Mel, ale są pewne rzeczy, których nie rozumiem.

Po zakończeniu FTT musimy "odwzorować moce widma otrzymanego powyżej na skalę melową za pomocą trójkątnych zachodzących na siebie okien".

Wiem, jak obliczyć trójkąty i wiem również, jak przejść do skali mel. Po prostu nie wiem, co z nimi zrobić.

Jeśli zdefiniowano trójkąty, w jaki sposób odwzorować moc uzyskanego widma na skalę melową?

Czy to tak: Suma częstotliwości wewnątrz trójkąta, a następnie przekazać go do melaminy? lub Suma częstotliwości wewnątrz trójkąta zgodnie z wartością ciężaru (zdefiniowaną przez wysokość trójkąta w tym punkcie), a następnie przekazać ją do skali melowej? lub Przepuścić wszystkie częstotliwości w trójkącie, aby skalować melodię zgodnie z wartością weim? Inna sprawa?

Czy ktoś mi to wyjaśnia

Answer 1

Myślę, że ten etap procesu jest trochę dziwne i nie dokonała pełnego sensu (dla mnie w każdym razie). Środek pasm filtrów jest równomiernie rozmieszczony wzdłuż skali mel, ale są to trójkąty w skali liniowej, to jest podobnie jak na figurze here.

Następnie obliczyć ważoną sumę za pomocą tych trójkątów wzdłuż liniowej osi X. (W poprzednim kroku uważam, że niektóre podejścia normalizują się w obszarze trójkąta filtrującego, a niektóre nie, i nie mam pewności co do ostatecznych konsekwencji tutaj, choć podejrzewam, że to nie znaczy dużo poza modyfikacją końcowa interpretacja, które są względnymi porównaniami i tak, jeden zachowuje całkowitą energię, a drugi daje równe ważone składki na pasmo.) Następnie weź log tego (który zamienia ogólny współczynnik objętości na przesunięcie).

Edit: Aby być bardziej jasne, o stosowaniu filtrów ... Każdy trójkąt reprezentuje odrębny filtr, tworząc odrębną sumę ważoną. Jeśli w banku filtrów znajduje się dwadzieścia filtrów, do obliczenia będzie dwadzieścia trójkątów i dwadzieścia ważonych sum. Aby zastosować każdy filtr, dla każdej wartości osi X należy ustawić wartość filtra w tej lokalizacji x według wartości funkcji w tej lokalizacji x, i dodać ją do sumy dla danego filtru. Większość wartości osi X posiada dwa filtry, które są tam obecne, więc w każdym miejscu x przyczynia się do dwóch filtrów.