如何从信号的F​​FT中获得MFCC？

Question

简短而简单:大家 都非常简单......我只想知道从FFT中获取MFCC所涉及的步骤.

详细:

大家好.我正在进行鼓声应用,我想对声音进行分类.它只是一个匹配的应用程序,它返回您在鼓上播放的音符的名称.

它是一个简单的印度大声鼓.那里只有几个可以玩的音符.

我已经实现了fft算法并成功获得了一个频谱.我现在想更进一步,从fft返回mfcc.

这是我到目前为止所理解的.它基于非线性梅尔频率范围上对数功率谱的线性余弦变换.

它使用三角测量滤除频率并获得所需的系数. http://instruct1.cit.cornell.edu/courses/ece576/FinalProjects/f2008/pae26_jsc59/pae26_jsc59/images/melfilt.png

因此,如果您从fft算法返回大约1000个值 - 声音的频谱,那么理想的是您将获得大约12个元素(即系数).这个12元素的矢量用于对乐器进行分类,包括演奏的鼓......

这正是我想要的.

有人可以帮我解决如何做这样的事情吗？我的编程技巧没问题.我目前正在为iphone创建一个应用程序.用openframeworks.

任何帮助将不胜感激.干杯

Answer 1

首先,您必须将信号分成10到30ms的小帧,应用窗口函数(建议在声音应用中使用嗡嗡声),并计算信号的傅里叶变换.使用DFT,要计算Mel Frequecy Cepstral Coefficients,您必须遵循以下步骤:

1. 获得功率谱:| DFT | ^ 2
2. 计算三角形银行滤波器以将hz标度转换为mel标度
3. 获取对数谱
4. 应用离散的cossine变换

一个python代码示例:

import numpy
from scipy.fftpack import dct
from scipy.io import wavfile

sampleRate, signal = wavfile.read("file.wav")
numCoefficients = 13 # choose the sive of mfcc array
minHz = 0
maxHz = 22.000  

complexSpectrum = numpy.fft(signal)
powerSpectrum = abs(complexSpectrum) ** 2
filteredSpectrum = numpy.dot(powerSpectrum, melFilterBank())
logSpectrum = numpy.log(filteredSpectrum)
dctSpectrum = dct(logSpectrum, type=2)  # MFCC :)

def melFilterBank(blockSize):
    numBands = int(numCoefficients)
    maxMel = int(freqToMel(maxHz))
    minMel = int(freqToMel(minHz))

    # Create a matrix for triangular filters, one row per filter
    filterMatrix = numpy.zeros((numBands, blockSize))

    melRange = numpy.array(xrange(numBands + 2))

    melCenterFilters = melRange * (maxMel - minMel) / (numBands + 1) + minMel

    # each array index represent the center of each triangular filter
    aux = numpy.log(1 + 1000.0 / 700.0) / 1000.0
    aux = (numpy.exp(melCenterFilters * aux) - 1) / 22050
    aux = 0.5 + 700 * blockSize * aux
    aux = numpy.floor(aux)  # Arredonda pra baixo
    centerIndex = numpy.array(aux, int)  # Get int values

    for i in xrange(numBands):
        start, centre, end = centerIndex[i:i + 3]
        k1 = numpy.float32(centre - start)
        k2 = numpy.float32(end - centre)
        up = (numpy.array(xrange(start, centre)) - start) / k1
        down = (end - numpy.array(xrange(centre, end))) / k2

        filterMatrix[i][start:centre] = up
        filterMatrix[i][centre:end] = down

    return filterMatrix.transpose()

def freqToMel(freq):
    return 1127.01048 * math.log(1 + freq / 700.0)

def melToFreq(mel):
    return 700 * (math.exp(mel / 1127.01048) - 1)

此代码基于MFCC Vamp示例.希望这对你有所帮助!