W większości zadań przetwarzania audio jedną z najczęściej używanych transformacji jest MFCC (współczynniki cepstralne częstotliwości Mel) . Wiem głównie matematykę stojącą za MFCC: rozumiem zarówno krok banku filtrów, jak i skalowanie częstotliwości Mel. Czego nie dostaję to krok DCT (Discrete...
Czytałem fragmenty w Internecie, ale po prostu nie mogę tego wszystkiego poskładać. Mam podstawową wiedzę na temat sygnałów / DSP, które powinny być wystarczającymi warunkami do tego. Jestem zainteresowany ostatecznym kodowaniem tego algorytmu w Javie, ale jeszcze go nie rozumiem i dlatego tu...
Próbuję wyodrębnić funkcje z pliku dźwiękowego i sklasyfikować dźwięk jako należący do określonej kategorii (np. Szczekanie psa, silnik pojazdu itp.). Chciałbym wyjaśnić następujące kwestie: 1) Czy to w ogóle wykonalne? Istnieją programy rozpoznające mowę i rozróżniające różne rodzaje szczekania...
Czy ktoś może wyjaśnić normalizację cepstralną, jak wpływa na to właściwość równoważności splotu? Czy należy wykonywać CMN w rozpoznawaniu głośników na podstawie MFCC? Dlaczego właściwość splotu jest podstawową potrzebą MFCC? Jestem bardzo nowy w tym przetwarzaniu sygnału. Proszę...
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...