画一个MFCC滤波器组

以下是一个MFCC滤波器组的示意图：

     |--------|                   |--------|
     | Filter |---|             |---| Filter |
     |   1    |   |             |   |   n    |
     |--------|   |             |   |--------|
                  |             |
                  |             |
               |--------|   |--------|
               | Filter |---| Filter |
               |   2    |   |   n-1  |
               |--------|   |--------|

在MFCC中，使用一组三角形滤波器对信号进行处理，以提取与人类听觉相关的特征。滤波器组通常由20-40个三角形滤波器组成。每个三角形滤波器的中心频率都不同，而且它们的带宽也逐渐变宽。

在上面的示意图中，每个滤波器都是由一个低通滤波器和一个高通滤波器组成的。这些滤波器的输出会被取对数，以产生用于下一步分析的特征。

相关问题

用c语言提取44100hz的40个mfcc系数中当mel滤波器组为128个、加窗为1048时各个步骤的参数如何变化

在提取44100Hz的40个MFCC系数时，当Mel滤波器组为128个、加窗为1048时，各个步骤的参数如下：

1. 预加重：预加重滤波器的增益因子为0.97。

2. 分帧：将预加重后的语音信号分成长度为25ms或30ms的帧，且相邻两帧重叠10ms。

3. 加窗：对每一帧信号进行长度为1048的汉明窗加窗处理，以减少频域泄漏。

4. 快速傅里叶变换（FFT）：对加窗后的每一帧信号进行FFT变换，将时域信号转换为频域信号，得到2048个频率点。

5. 功率谱估计：对FFT变换的结果进行模平方运算，得到每一帧信号的功率谱，有2048个功率谱系数。

6. Mel滤波器组：将功率谱通过128个Mel滤波器进行滤波，得到128个Mel频率倒谱系数（MFCC）。

7. 离散余弦变换（DCT）：对MFCC系数进行DCT变换，得到最终的40个MFCC系数。

8. 能量归一化：对MFCC系数进行能量归一化处理，以消除不同说话者之间的能量差异。

需要注意的是，当Mel滤波器组的数量增加时，可以更好地保留语音信号的谐波结构和共振峰信息，但也会增加计算量和存储量。当加窗长度为1048时，可以兼顾时域和频域的分辨率，以获得更好的频谱信息。

Mel滤波器组具体公式中的每个字母含义

在Mel滤波器组的具体公式中，每个字母的含义如下：

- H_m(f): 表示第m个Mel滤波器在频率f处的响应值。
- f: 频率，表示输入信号的频率。
- f_m: 第m个Mel滤波器的中心频率。
- f_0: 参考频率，通常取为1000 Hz。
- m: 滤波器组的索引，表示第m个滤波器。
- M: 滤波器组的总数，表示滤波器的数量。

Mel滤波器组的公式可以表示为：H_m(f) = 0，当 f < f_m-1 或 f > f_m+1；
H_m(f) = (f - f_m-1) / (f_m - f_m-1)，当 f_m-1 <= f <= f_m；
H_m(f) = (f_m+1 - f) / (f_m+1 - f_m)，当 f_m <= f <= f_m+1。

其中，f_m-1、f_m和f_m+1分别表示第m个滤波器的左邻频率、中心频率和右邻频率。Mel滤波器组常用于语音信号处理中的特征提取，如计算MFCC特征。它可以将频谱信息映射到梅尔刻度上，使得更符合人耳对声音感知的特性。