En la mayoría de las tareas de procesamiento de audio, una de las transformaciones más utilizadas es MFCC (coeficientes cepstrales de frecuencia de Mel) . Principalmente conozco las matemáticas que están detrás del MFCC: entiendo tanto el paso del banco de filtros como la escala de frecuencia de...
He estado leyendo fragmentos en línea, pero simplemente no puedo juntarlo todo. Tengo algunos conocimientos previos de señales / DSP que deberían ser requisitos previos suficientes para esto. Estoy interesado en eventualmente codificar este algoritmo en Java, pero aún no lo entiendo completamente,...
Estoy tratando de extraer características de un archivo de sonido y clasificar el sonido como perteneciente a una categoría particular (por ejemplo: ladrido de perro, motor del vehículo, etc.). Me gustaría tener algo de claridad sobre las siguientes cosas: 1) ¿Es factible esto? Existen programas...
¿Alguien puede explicar sobre la normalización de la media cepstral, cómo la propiedad de equivalencia de convolución afecta esto? ¿Es necesario hacer CMN en el reconocimiento de altavoces basado en MFCC? ¿Por qué la propiedad de convolución es la necesidad fundamental de MFCC? Soy muy nuevo en...
Esta es una continuación de la discusión aquí . Yo comentaría allí, pero no tengo 50 repeticiones, así que estoy haciendo una nueva pregunta. Así es como entiendo el paso DCT en el proceso de cálculo de MFCC: la razón detrás de esto es separar la correlación en las magnitudes logarítmicas...
Estoy tratando de comparar 2 muestras de voz y calificarlas en similitudes. Piense en alguien que intenta repetir una frase y luego compara esos 2 archivos de audio. Comencé implementando el algoritmo MFCC (http://en.wikipedia.org/wiki/Mel-frequency_cepstrum). Calculo los MFCC de ambas muestras de...
Tengo un bloque de audio y he realizado un FFT en él. Ahora, lo que quiero hacer es convertir este FFT en un conjunto de MFCC, sin embargo, aunque sé que necesito hacer algo para ponderar las muestras de FFT en función de un conjunto de filtros triangulares, realmente no tengo ni idea de lo que...
Estoy estudiando el reconocimiento de voz, en particular el uso de MFCC para la extracción de características. Todos los ejemplos que he encontrado en línea tienden a graficar una serie de MFCC extraídos de un enunciado particular de la siguiente manera (gráfico generado por mí desde el software...