W rozpoznawaniu mowy interfejs użytkownika zazwyczaj przetwarza sygnał, aby umożliwić ekstrakcję funkcji ze strumienia audio. W tym procesie dwukrotnie stosowana jest dyskretna transformata Fouriera (DFT). Pierwszy raz jest po okienkowaniu; po zastosowaniu binowania Mel, a następnie kolejnej...
Chcę wdrożyć Fast Cosine Transform. Czytałem na wikipedii , że istnieje szybka wersja DCT, która jest obliczana podobnie do FFT. Próbowałem przeczytać cytowany artykuł Makhoul * dla implementacji FTPACK i FFTW, które są również używane w Scipy , ale nie byłem w stanie wyodrębnić faktycznego...
Z tego, co rozumiem, DCT ma połowę wielkości bin jako DFT o tym samym rozmiarze N. DFT zawiera również informacje o fazie, ale często nie jest to potrzebne, gdy pożądane jest tylko widmo wielkości. Czy można zastosować DCT, aby zapewnić widmo wielkości o podwójnej gęstości (połowa odstępu między...
Posiadam podstawową wiedzę na temat implementacji DCT 2D 8x8 stosowanej w kompresji obrazu i wideo. Podczas czytania o analizie składowej zasady widzę wiele podobieństw, choć PCA jest wyraźnie bardziej ogólne. Kiedy wcześniej czytałem o DCT, zawsze był on prezentowany w odniesieniu do DFT. Moje...
To kontynuacja dyskusji tutaj . Chciałbym tam skomentować, ale nie mam 50 powtórzeń, więc zadaję nowe pytanie. Oto, w jaki sposób rozumiem krok DCT w procesie obliczania MFCC: Uzasadnieniem tego jest oddzielenie korelacji w logarytmicznych wielkościach widmowych (od banku filtrów) z powodu...