Masalah dengan MFCC dan GMM untuk pengakuan audio

1. Mengapa MFCC penting dalam pengenalan ucapan?
2. Bagaimana fitur MFCC diekstraksi untuk pengenalan ucapan?
3. Mengapa MFCC begitu populer?
4. Apa keuntungan dari MFCC?

Mengapa MFCC penting dalam pengenalan ucapan?

MFCC adalah fitur populer yang diekstraksi dari sinyal ucapan untuk digunakan dalam tugas pengakuan. Dalam model pembicaraan sumber-filter, MFCC dipahami untuk mewakili filter (saluran vokal). Respons frekuensi saluran vokal relatif halus, sedangkan sumber ucapan suara dapat dimodelkan sebagai kereta impuls.

Bagaimana fitur MFCC diekstraksi untuk pengenalan ucapan?

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

Mengapa MFCC begitu populer?

Teknik MFCC adalah yang paling populer, memiliki pencapaian besar dan banyak digunakan dalam sistem pengenalan pembicara dan ucapan [35, 36]. Ini didasarkan pada skala logaritmik dan mampu memperkirakan respons pendengaran manusia dengan cara yang lebih baik daripada teknik ekstraksi fitur cepstral lainnya [37,38]. ...

Apa keuntungan dari MFCC?

Keuntungan dari MFCC adalah bahwa itu baik dalam pengurangan kesalahan dan mampu menghasilkan fitur yang kuat saat sinyal dipengaruhi oleh noise. Teknik SVD/PCA digunakan untuk mengekstrak fitur penting dari representasi B-distribusi B.