MFCCfunktsioonid

MFCCfunktsioonid (Mel-Frequency Cepstral Coefficients) on lühikese ajaperioodi helispektri spectral envelope’i kompaktne kirjeldus, mis põhineb mel-skala järgi. Need koefitsiendid kirjeldavad kõla kuju sagedusalases jaotuses ning neid kasutatakse laialdaselt kõne- ja helitöös, sest need annavad robustse ja tiheda esitus lühikestest helilõikudest.

Arvutamine hõlmab tavaliselt mitu järgnevat sammu. Esiteks tehakse pre-emphasis ehk kõrgh sageduste tugevdamine, seejärel jagatakse signaal lühikesteks kestadeks (framing) ja iga kaal lõikusele rakendatakse akna kaudu (näiteks Hamming’i aken). Seejärel arvutatakse FFT abil spekter või võimsus spekter ning rakendatakse mel-filtrite pank, mis projitseerib spektri mel-skala alusel ning summeeritakse iga filtri energia. Energiad logaritmitakse, mille järel tehakse Discrete Cosine Transform (DCT), et de-correlateerida ja esitada informatsioon võimalikult väikese arvu koefitsientidega. Tavaliselt võetakse esimesed 12–13 koefitsienti; 0. koefitsient (lähtkoefitsient) asendatakse mõnikord log-energia vastu. Vajadusel rakendatakse lifteringut, et rõhutada teisi koefitsiente, ning lisatakse dünaamilised koefitsiendid nagu delta ja delta-delta koefitsiendid, mis kirjeldavad aja jooksul toimunud muutusi.

Kasutusvaldkonnad hõlmavad kõnetuvastust, rääkija identifikatsiooni, kõlapiirkondade analüüsi ja üldist heliklassifikatsiooni. MFCC-d on üks standardseid esitusviise akustilise signaali kirjeldamiseks ning neid kombineeritakse sageli teiste funktsioonide või mudelitega.