- Was ist DCT in MFCC?
- Wie erklären Sie MFCC?
- Was ist die Ausgabe der MFCC -Feature -Extraktion?
- Warum verwenden wir diskrete Cosinus -Transformation?
Was ist DCT in MFCC?
DCT ist der letzte Schritt des Hauptprozesses der MFCC -Feature -Extraktion. Das grundlegende Konzept von DCT besteht darin. Grundsätzlich ist das Konzept von DCT das gleiche wie die inverse Fourier -Transformation.
Wie erklären Sie MFCC?
Die MEL-Frequenz-Cepstral-Koeffizienten (MFCCs) eines Signals sind ein kleiner Satz von Merkmalen (normalerweise ca. 10-20), die die Gesamtform einer Spektralhülle präzise beschreiben. In Mir wird es oft verwendet, um Timbre zu beschreiben.
Was ist die Ausgabe der MFCC -Feature -Extraktion?
Die Ausgabe nach dem Auftragen von MFCC ist eine Matrix mit Funktionsvektoren, die aus allen Frames extrahiert werden. In dieser Ausgangsmatrix repräsentieren die Zeilen die entsprechenden Frame-Nummern und Spalten entsprechende Merkmalsvektorkoeffizienten [1-4]. Schließlich wird diese Ausgangsmatrix für den Klassifizierungsprozess verwendet.
Warum verwenden wir diskrete Cosinus -Transformation?
Diskrete Cosinus -Transformation wird in der Verlustbildekomprimierung verwendet, da sie eine sehr starke Energieverdichtung aufweist, i.e., Seine große Informationsmenge wird in sehr niedriger Frequenzkomponente eines Signals gespeichert und andere Frequenz mit sehr geringen Daten mit sehr geringer Anzahl von Bits (normalerweise höchstens 2) gespeichert werden ...