Dalam sebagian besar tugas pemrosesan audio, salah satu transformasi yang paling sering digunakan adalah MFCC (koefisien cepstral Mel-frequency) . Saya kebanyakan tahu matematika yang ada di belakang MFCC: Saya mengerti langkah filterbank dan skala frekuensi Mel. Apa yang tidak saya dapatkan...
Saya telah membaca sedikit demi sedikit secara online tetapi saya tidak bisa menyatukan semuanya. Saya memiliki beberapa latar belakang pengetahuan tentang sinyal / hal-hal DSP yang harus cukup prasyarat untuk ini. Saya tertarik akhirnya coding algoritma ini di Jawa tapi saya belum memahaminya...
Saya mencoba mengekstraksi fitur dari file suara dan mengklasifikasikan suara sebagai milik kategori tertentu (misalnya: kulit anjing, mesin kendaraan dll). Saya ingin kejelasan tentang hal-hal berikut: 1) Apakah ini bisa dilakukan? Ada program yang dapat mengenali ucapan, dan membedakan antara...
Adakah yang bisa menjelaskan tentang Normalisasi Cepstral Berarti, bagaimana sifat kesetaraan konvolusi memengaruhi ini? Apakah harus melakukan CMN dalam Pengenalan Speaker Berbasis MFCC? Mengapa properti konvolusi adalah kebutuhan mendasar untuk MFCC? Saya sangat baru dalam pemrosesan sinyal ini....
Ini adalah kelanjutan dari diskusi di sini . Saya akan berkomentar di sana, tetapi saya tidak memiliki 50 perwakilan jadi saya mengajukan pertanyaan baru. Inilah cara saya memahami langkah DCT dalam proses perhitungan MFCC: Alasan di baliknya adalah untuk memisahkan korelasi dalam besaran...
Saya mencoba membandingkan 2 sampel pidato dan menilai kesamaan. Pikirkan seseorang yang mencoba mengulangi frasa, dan kemudian membandingkan 2 file audio tersebut. Saya mulai dengan menerapkan algoritma MFCC (http://en.wikipedia.org/wiki/Mel-frequency_cepstrum). Saya menghitung MFCC dari kedua...