Mel-Frequenz-Cepstrum-MFCCs

Mel-Frequency Cepstral Coefficients (MFCCs) sind eine Technologie, die im Bereich der Tonverarbeitung, insbesondere bei der Spracherkennung und Sprechererkennung, weit verbreitet ist. Es wurde 1980 von Davis und Mermelstein vorgeschlagen und basiert auf der linearen Transformation des logarithmischen Leistungsspektrums der nichtlinearen Mel-Skala von Tonfrequenzen.

Mel-Frequenz-Cepstrum-Koeffizienten (MFCCs) sind Koeffizienten, aus denen das Mel-Frequenz-Cepstrum besteht. Sie werden aus dem Cepstrum eines Audioclips abgeleitet und sind auf der Mel-Skala in Bändern gleichmäßig verteilt, die das menschliche Hörsystem besser wiedergeben als die linear verteilten Bänder, die im normalen Cepstrum verwendet werden. Diese nichtlineare Darstellung kann in vielen Bereichen, beispielsweise bei der Audiokompression, zu einer besseren Darstellung von Tonsignalen führen. Der Berechnungsprozess von MFCCs kann grob in die folgenden Schritte unterteilt werden: Lesen der Audiodatei, Vorverzerrung, Framing, Fensterung, Fourier-Transformation, Erhalten des Mel-Spektrums durch die Mel-Filterbank und Durchführen einer Cepstrum-Analyse am Mel-Spektrum. MFCCs enthalten normalerweise 12 Koeffizienten, die mit der Rahmenenergie überlagert werden, um 13-dimensionale Koeffizienten zu erhalten, die zur Beschreibung der Eigenschaften jedes Sprachrahmens verwendet werden.