python tensorflow信号处理MFCC特性
python tensorflow signal processing MFCC features
我正在测试 tensorflow.signal 实施中的 MFCC 功能。根据示例 (https://www.tensorflow.org/api_docs/python/tf/signal/mfccs_from_log_mel_spectrograms)，它正在计算所有 80 个 mfcc，然后取前 13 个。
我已经尝试了上述方法和 "compute first 13 directly" 方法，结果却大不相同：
先全部80，再取前13：
直接计算前13：
为什么会有这么大的不同？如果我将其作为特征传递给 CNN 或 RNN，我应该使用哪个？
这是因为 MFCC 的性质。请记住，这些系数是在您通过链接代码中的 lower_edge_hertz 和 upper_edge_hertz 提供的梅尔标度的频率范围内计算的。
实际意义：
"Calculate 13 coefficients directly"：将频率范围[80.0, 7600.0]分成13个bin。最终，你会得到13个反映相应频谱振幅的系数（见MFCC algorithm）
"All 80 first, then take first 13"：将频率范围[80.0, 7600.0]分成80个bin。现在，只取前 13 个系数。实际上，这意味着您正在研究更窄和更细粒度的频谱，在这种情况下大致在人类语音频率范围 [80, 400] Hz（粗略地说，包络计算的背面）。如果您对人类语音识别感兴趣，这是有道理的，因为您可以专注于更细微的变化，同时忽略更高的频谱（从我们的听觉系统角度来看，这不太有趣）。
我正在测试 tensorflow.signal 实施中的 MFCC 功能。根据示例 (https://www.tensorflow.org/api_docs/python/tf/signal/mfccs_from_log_mel_spectrograms)，它正在计算所有 80 个 mfcc，然后取前 13 个。
我已经尝试了上述方法和 "compute first 13 directly" 方法，结果却大不相同：
先全部80，再取前13：
直接计算前13：
为什么会有这么大的不同？如果我将其作为特征传递给 CNN 或 RNN，我应该使用哪个？
这是因为 MFCC 的性质。请记住，这些系数是在您通过链接代码中的 lower_edge_hertz 和 upper_edge_hertz 提供的梅尔标度的频率范围内计算的。
实际意义：
"Calculate 13 coefficients directly"：将频率范围
[80.0, 7600.0]分成13个bin。最终，你会得到13个反映相应频谱振幅的系数（见MFCC algorithm）"All 80 first, then take first 13"：将频率范围
[80.0, 7600.0]分成80个bin。现在，只取前 13 个系数。实际上，这意味着您正在研究更窄和更细粒度的频谱，在这种情况下大致在人类语音频率范围[80, 400]Hz（粗略地说，包络计算的背面）。如果您对人类语音识别感兴趣，这是有道理的，因为您可以专注于更细微的变化，同时忽略更高的频谱（从我们的听觉系统角度来看，这不太有趣）。