Cara mengatasi berbagai distribusi koefisien MFCC dari dataset ucapan yang berbeda?

1. Ada berapa koefisien MFCC?
2. Bagaimana fitur MFCC diekstraksi untuk pengenalan ucapan?
3. Mengapa kita menggunakan DCT di MFCC?
4. Apa itu pemblokiran bingkai di MFCC?

Ada berapa koefisien MFCC?

2. Ada 39 fitur MFCC: a. Fitur 12 MFCC.

Bagaimana fitur MFCC diekstraksi untuk pengenalan ucapan?

Teknik ekstraksi fitur MFCC pada dasarnya mencakup jendela sinyal, menerapkan DFT, mengambil log sebesar.

Mengapa kita menggunakan DCT di MFCC?

DCT adalah langkah terakhir dari proses utama ekstraksi fitur MFCC. Konsep dasar DCT adalah menghubungkan nilai spektrum Mel sehingga menghasilkan representasi yang baik dari spektral properti lokal. Pada dasarnya konsep DCT sama dengan transformasi Fourier terbalik.

Apa itu pemblokiran bingkai di MFCC?

1) Pemblokiran bingkai: Ini berarti mendapatkan fitur karakteristik dari sinyal bicara dalam keadaan yang lebih stabil dengan memprosesnya pada interval waktu kecil. 2) Windowing: Windowing dapat didefinisikan sebagai membagi sinyal ucapan menjadi periode waktu dengan panjang tertentu.