fbank 和mfcc计算过程 _原创精品文档.pdfVIP

fbank和mfcc计算过程

fbank和mfcc是语音信号处理中常用的特征提取方法，它们都可以

用于语音识别、语音合成、语音增强等应用。本文将介绍fbank和

mfcc的计算过程及其特点。

一、fbank的计算过程

fbank（FilterBank）是一种基于滤波器组的特征提取方法。它将

语音信号划分为多个频带，并计算每个频带的能量作为特征。fbank

的计算过程主要包括以下几个步骤：

1.预加重：为了强调高频部分的能量，首先对语音信号进行预加重

处理。预加重是通过滤波器对语音信号进行卷积来实现的，滤波器

的系数通常为[1,-0.97]。

2.分帧：将预加重后的语音信号切分成若干帧，每帧的长度通常为

20-30ms，相邻帧之间有一定的重叠。

3.加窗：对每帧语音信号进行加窗处理，常用的窗函数有汉明窗、

海宁窗等。窗函数的作用是减少帧与帧之间的突变。

4.傅里叶变换：对加窗后的语音信号进行快速傅里叶变换（FFT），

得到每帧的频谱。

5.滤波器组设计：设计一组滤波器，将频谱划分成若干个等宽的频

带。滤波器组的个数通常为23或40，每个滤波器的中心频率按照

人耳听觉特性进行均匀分布。

6.滤波器组输出：将每帧的频谱通过滤波器组，得到每个频带的能

量。

7.对数处理：对每个频带的能量取对数，得到fbank特征。

二、mfcc的计算过程

mfcc（Mel-frequencyCepstralCoefficients）是一种基于倒谱的

特征提取方法。它将语音信号的频谱转换到倒谱域，并提取倒谱系

数作为特征。mfcc的计算过程主要包括以下几个步骤：

1.预加重：同样地，对语音信号进行预加重处理。

2.分帧：将预加重后的语音信号切分成若干帧，与fbank相同。

3.加窗：同样地，对每帧语音信号进行加窗处理。

4.傅里叶变换：与fbank相同，对加窗后的语音信号进行FFT，得

到每帧的频谱。

5.滤波器组设计：与fbank不同，mfcc使用一组三角滤波器进行

频谱的压缩。滤波器组的个数通常为23或40，每个滤波器的中心

频率按照Mel刻度进行均匀分布。

6.滤波器组输出：将每帧的频谱通过滤波器组，得到每个频带的能

量。

7.对数处理：同样地，对每个频带的能量取对数。

8.倒谱变换：对取对数后的能量进行倒谱变换，得到倒谱系数。

9.静态特征提取：从倒谱系数中提取一阶差分特征和二阶差分特征。

三、fbank和mfcc的特点

1.fbank和mfcc都是基于滤波器组的特征提取方法，都能够反映

语音信号在不同频带的能量分布。

2.fbank和mfcc在滤波器组的设计上有所差异，mfcc使用的是三

角滤波器，而fbank使用的是等宽滤波器。

3.fbank和mfcc都对频谱进行了对数处理，可以增强低频部分的

特征。

4.mfcc在倒谱域中提取特征，相对于频域的fbank，更能反映语音

信号的时序特征。

5.fbank和mfcc都可以作为语音识别、语音合成等任务的特征输

入。

总结：

本文介绍了fbank和mfcc的计算过程及其特点。fbank通过滤波器

组将语音信号划分为多个频带，并计算每个频带的能量作为特征；

mfcc则将语音信号的频谱转换到倒谱域，并提取倒谱系数作为特征。

它们在特征提取的方法上有所差异，但都能够反映语音信号在不同

频带的能量分布。在实际应用中，根据具体任务的需求选择合适的

特征提取方法，可以提高语音处理系统的性能。