我是在做语音mfcc参数提取时需要用到，需要一组mel滤波器来实现，我不太理解mel滤波器的作用是什么？
请问mel滤波器组的作用是什么？滤去了哪些部分？又保留了哪些部分？
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
0条回答 默认 最新
- 2018-04-25 10:38回答 1 已采纳 You can use go generate to accomplish this, if you can build a command to create the code you want
- 2020-05-09 10:53回答 1 已采纳 https://www.cnblogs.com/3lina/p/10233020.html
- 2015-07-09 06:35回答 1 已采纳 An easy way would be to print the comment just before the loop starts. If this is not possible for
- 2022-12-20 11:09HIT-Steven的博客 ⑤ 三角带通滤波器 将能量谱通过一组Mel尺度的三角形滤波器组，定义一个有M个滤波器的滤波器组（滤波器的个数和临界带的个数相近），采用的滤波器为三角滤波器，中心频率为。M通常取22-26。各f(m)之间的间隔随着m值...
- 2012-07-17 02:53回答 1 已采纳 Does the plug-in definition look like this: class plgMyPlugin extends JPlugin{ onJoomCalledE
- 2018-05-02 10:34回答 2 已采纳 What about: [ (](([0-9] )?[\w]+ [0-9]{1,2}:[0-9]{1,2})[;)] ? https://regex101.com/r/Y4nasm/3 Det
- 2016-08-03 04:16回答 4 已采纳 你没把图片放在项目下，这个路径应该带上盘符，也就是从根路径开始吧。
- 2021-04-17 23:51是Hosea啊？！的博客 一、今日任务：了解音频数据特征提取 在之前的Task2中，我们初步查看了数据集的信息，并通过音频的声波图和声谱图将声音可视化了。当我们拿到这些音频数据之后，接下来就...梅尔频率倒谱系数 （Mel-frequency cepstr
- 2022-05-19 22:03回答 1 已采纳 I有时候不是正整数，改成：I=floor(5*i)-4
- 2022-08-10 15:27回答 1 已采纳 我尝试用 (0,0,384,384) 填充padding size，但在下一个 stft() 中出现“expected a 1D or 2D tensor of floating types”错误，似
- 2021-10-24 16:50回答 1 已采纳 可以用如下代码进行处理显示在pyqt5中： import matplotlib import librosa.display matplotlib.use('Qt5Agg') # 使用 matplot
- 2022-04-09 12:12datamonday的博客 同样，在音频领域，Mel 频率倒谱系数 (Mel-frequency cepstral coefficients，MFCC) 等声学特征已被语音识别中的数据驱动深度神经网络 [79] 和用于副语言分析（para-linguistic analysis）的递归神经网络 [207] 所...
- 2021-04-30 14:05回答 5 已采纳 测试了一下，Python解释器认为1/1e-308是最大的浮点数，1/1e-309就是无穷大了，1/1e-323还是无穷大，但是1/1e-324就溢出，1e-100/1e-324也照样溢出，因此可以认
- 2019-10-07 21:11weixin_43106248的博客 5)Mel滤波，通过Mel滤波器组进行滤波，以得到符合人耳听觉习惯的声谱，最后通常取对数将单位转换成db 6)DCT，离散余弦变换，得到倒谱系数，也就是MFCC，通常保留1~13维，然后可以加上delta，delat-delta，和每帧...
- 2023-12-29 09:43friklogff的博客 SciPy 7.1 科学计算与信号处理 7.2 滤波器设计与应用 7.3 快速傅里叶变换（FFT） 7.4 频谱分析和频域处理 7.5 时频分析与小波变换 7.6 滤波器组设计 **总结** 1. Librosa 1.1 Librosa简介 Librosa是一个用于音频和...
- 2018-09-10 09:47antkillerfarm的博客 2.特征区分度：FBank特征相关性较高（相邻滤波器组有重叠），MFCC具有更好的判别度，这也是在大多数语音识别论文中用的是MFCC，而不是FBank的原因 3.使用对角协方差矩阵的GMM由于忽略了不同特征维度的相关性，...
- 没有解决我的问题, 去提问
