梅爾梅森城堡

梅爾倒頻譜系數(shù)(Mel-Frequency Cipstal Coefficients, MFCC)是一組用來建立梅爾倒頻譜的關(guān)鍵系數(shù)。由音樂訊號(hào)當(dāng)中的片段，我們可以得到一組足以代表此音樂訊號(hào)之倒頻譜，而梅爾倒頻譜系數(shù)即是從這個(gè)倒頻譜中推得的倒頻譜(也就是頻譜的頻譜)。與一般的倒頻譜不同 ，梅爾倒頻譜最大的特色在于，于梅爾倒頻譜上的頻帶是均勻分布于梅爾刻度上的，也就是說，這樣的頻帶會(huì)較一般我們所看到、線性的倒頻譜表示方法，和人類非線性的聽覺系統(tǒng)(audio system)更為接近。例如：我們?cè)谝粲崏嚎s的技術(shù)中，便常常使用梅爾倒頻譜來處理。

梅爾倒頻譜系數(shù)通常是用以下方法得到的：

1. 將一訊號(hào)進(jìn)行傅里葉轉(zhuǎn)換（Fourier transform）

2. 將頻譜映射（mapping）至梅爾刻度，利用三角窗函數(shù)（triangular overlapping window）

3. 取對(duì)數(shù)（logarithm）

4. 取離散余弦轉(zhuǎn)換（discrete cosine transform）

5. MFCC是轉(zhuǎn)換后的頻譜

取得梅爾倒頻譜的方法眾多，上述只是其中一種。

另外，ETSI在2000年左右有定義一套專為移動(dòng)電話設(shè)計(jì)的梅爾倒頻譜系數(shù)算法。

梅爾倒頻譜系數(shù)并非相當(dāng)穩(wěn)定，在計(jì)算當(dāng)中，一組系數(shù)其實(shí)相當(dāng)容易受到外加的噪聲影響；為了對(duì)抗噪聲，我們通常會(huì)將梅爾倒頻譜系數(shù)在語音辨認(rèn)上進(jìn)行正規(guī)化(normalization)的動(dòng)作，以減少噪聲造成的影響。

另外，有些研究者會(huì)將梅爾倒頻譜系數(shù)基礎(chǔ)的算法設(shè)計(jì)的更加頑強(qiáng)，例如：在進(jìn)行馀弦轉(zhuǎn)換前增加對(duì)數(shù)化梅爾系數(shù)的能量值至一個(gè)合適的范圍，以減少諸如噪聲等低能量項(xiàng)對(duì)于整個(gè)系數(shù)結(jié)果的影響。

梅爾倒頻譜系數(shù)通常可以用于作為語音辨識(shí)(speech recognition)系統(tǒng)中的特征質(zhì)觀察，例如：可以自動(dòng)辨認(rèn)一個(gè)人透過電話說的數(shù)字。梅爾倒頻譜系數(shù)通常也可以作為聲文辨識(shí)(Speaker Recognition)，也就是、用來辨識(shí)某段語音訊號(hào)的發(fā)話者是誰的技術(shù)。

梅爾倒頻譜系數(shù)在近年來于音樂分類(music genre classification)相關(guān)應(yīng)用的領(lǐng)域也逐漸嶄露頭角，例如尋找一段音樂的相似程度等。

語音辨識(shí)

梅爾頻率倒譜系數(shù)MFCC和感知線性預(yù)測(cè)PLP：不同于LPC等通過對(duì)人的發(fā)聲機(jī)理的研究而得到的聲學(xué)特征，Mel倒譜系數(shù)MFCC和感知線性預(yù)測(cè)PLP是受人的聽覺系統(tǒng)研究成果推動(dòng)而導(dǎo)出的聲學(xué)特征。對(duì)人的聽覺機(jī)理的研究發(fā)現(xiàn)，當(dāng)兩個(gè)頻率相近的音調(diào)同時(shí)發(fā)出時(shí)，人只能聽到一個(gè)音調(diào)。臨界帶寬指的就是這樣一種令人的主觀感覺發(fā)生突變的帶寬邊界，當(dāng)兩個(gè)音調(diào)的頻率差小于臨界帶寬時(shí)，人就會(huì)把兩個(gè)音調(diào)聽成一個(gè)，這稱之為屏蔽效應(yīng)。Mel刻度是對(duì)這一臨界帶寬的度量方法之一。 MFCC的計(jì)算首先用FFT將時(shí)域信號(hào)轉(zhuǎn)化成頻域，之后對(duì)其對(duì)數(shù)能量譜用依照Mel刻度分布的三角濾波器組進(jìn)行卷積，最后對(duì)各個(gè)濾波器的輸出構(gòu)成的向量進(jìn)行離散余弦變換DCT，取前N個(gè)系數(shù)。PLP仍用德賓法去計(jì)算LPC參數(shù)，但在計(jì)算自相關(guān)參數(shù)時(shí)用的也是對(duì)聽覺激勵(lì)的對(duì)數(shù)能量譜進(jìn)行DCT的方法。