mfcc

任何的自动语音识别系统中，第一步一般都是提取特征，也就是把音频信号中具有辨识性的成分提取出来，舍弃掉其他不相关的信息，比如背景噪音等等。而语音的特征提取本质上是降低信号的冗余度，用较少的数据表现语音的特征。 这里，这段语音被分为很多帧， 每帧语音都对应于一个频谱（通过短时FFT计算） ，频谱表示频率与能量的关系。在实际使用中，频谱图有三种，即线性振幅谱、对数振幅谱、自功率谱（对数振幅谱中各谱线的振幅都作了对数计算，所以其纵坐标的单位是dB（分贝）。这个变换的目的是使那些振幅较低的成分相对高振幅成分得以拉高，以便观察掩盖在低幅噪声中的周期信号）。 我们先将其中一帧语音的频谱通过坐标表示出来，如上图左。现在我们将左边的频谱旋转90度。得到中间的图。然后把这些幅度映射到一个灰度级表示（也可以理解为将连续的幅度量化为K（16、32等）个量化值），0表示黑，255表示白色。幅度值越大，相应的区域越黑。这样就得到了最右边的图。把每一帧的声谱按照时间顺序平行拼接起来，会得到一个随着时间变化的频谱图，这个就是描述语音信号的spectrogram声谱图。 2.1.2 梅尔频率倒谱系数(MFCC)提取 为实现歌曲的音乐基因标注，首先需要将音频转化成计算机能够识别的格式，同时要求对音频不失真， 业界最常用到的语音特征 就是梅尔频率倒谱系数（Mel-scale Frequency Cepstral

Atitit 语音识别的技术原理 1.1. 语音识别技术，也被称为 自动语音识别 Automatic Speech Recognition ， (ASR) ， 2 1.2. 模型 目前，主流的大词汇量语音识别系统多采用统计 模式识别技术 2 1.3. 基本方法 般来说 , 语音识别的方法有三种：基于声道模型和语音知识的方法、模板匹配的方法以及利用人工神经网络的方法。 2 1.3.1. 模板匹配的方法 2 1.4. 一般来说 , 语音识别的方法有三种：基于声道模型和语音知识的方法、模板匹配的方法以及利用人工神经网络的方法。 2 1.5. 提及 语音识别 ，就不能不说 Nuance， Nuance的语音技术是以统计推断方法为基础，着眼于音素（音节的声音）和语境来识别话语 2 1.6. ， 神经网络 。 这种技术可使得精确度提升 25%以上，这是一个巨大的飞跃，因为这个行业只需要提升5%就具备革命意义 3 1.7. 语音信号预处理与特征提取 3 1.7.1. 基于语音学和声学的方法 3 1.8. PCM 文件，也就是俗称的 wav 文件。 4 1.9. VAD 静音切除 4 1.10. 要对声音进行分析，需要对声音分帧，也就是把声音切开成一小段一小段，每小段称为一帧。 4 1.11. 一个完整的基于统计的语音识别系统可大致分为三部分： 5 1.12. MFCC 特征 特征主要用

Imports NAudio.Wave Imports MathNet.Numerics.IntegralTransforms Imports System.Numerics Imports TensorFlow Imports System.IO Public Class Form1 '录音 Dim wav As New WaveInEvent Private Sub Button1_Click(sender As Object, e As EventArgs) Handles Button1.Click '设置缓冲区大小 wav.BufferMilliseconds = 128 '缓冲区大小= 频率*Milliseconds*字节/1000 ; wav.NumberOfBuffers = 6 '原12 减少缓冲区数量，使用录音不中断 wav.WaveFormat = New WaveFormat(16000, 16, 1) '格式 16000 '添加回调函数 AddHandler wav.DataAvailable, AddressOf waveIn_DataAvailable wav.StartRecording() End Sub '回调函数 Dim WavData16(2048 - 1) As Int16 Dim WavDataDb(2048 - 1) As Single