問題タブ [mfcc]

comirva パッケージを使用して感情認識プログラムを作成します。

怒りや喜びなどの感情に関する wav ファイルがたくさんあります。

gmm を作成するために、まず、argry ファイルの 1 つから mfcc 機能を抽出しました。

私が混乱したのは、mffccs を pointlist に変更する方法です。

どれが正しいですか？i) 1 つのファイルから抽出した mfcc を 1 つの pointList に変更する ii) 複数のファイルから抽出した mfccs を 1 つの pointList に変更する

MFCC + GMM を使用して感情認識プログラムを作成します。

Androidなので、comirvaというJavaパッケージを使用しています。

このパッケージと感情発話 DB を使って、AngryGMM、happyGMM などの各感情の GMM を作成します。

GMM を作成する前に、KMeanClustering オブジェクトを作成し、クラスター番号を初期化しました。

私の知る限り。クラスタ番号を 3 に初期化すると、ポイントのセットが 3 つのクラスタに分割されます。

しかし、1つのクラスターが何を意味するのかわかりません。

Q1) 1つのクラスターとは何を意味しますか? パターンマッチングで使用されるだけですか？

GMM を作成した後、KMeansClustering で一度使用したポイント リストを使用して GMM.EM アルゴリズムを実行します。Q2) GMM はこのポイント リストから作成されているのに、トレーニングでは同じポイント リストが使用されるのはなぜでしょうか。

私のチームは、音声アプリで感情認識を行っています。

mfcc を取得するには、comirva パッケージを使用します。

問題は、AudioPreProcessor を作成するために必要な AudioInputStream が Android で使用できないことです。

そのため、私たちはある種の代替手段を見つけてきました。

Androidでmfccを取得する方法はありますか?

私はスピーチでプログラムの感情認識を行っています。

mfcc + K-mean + GMM を使用すると、-15012、-43400、-8000 のような尤度が得られました

それは私よりもはるかに大きな価値でした。適正値ですか？

Wave ファイルの長さは通常 2 ～ 3 で、以下のオプションを使用して初期化します。

このフォーラムと MFC の初心者です... Debug Assertion Failed を取得しています

ActiveX コントロールの使用中。これについて私を案内してください..私のコードは

このような：

OCR ボタンをクリックした後、次の行で Debug assertion failed を取得していました: pVal = (IUnknown *) m_MIDOCtrl.GetDocument(); 再試行を押すと、コントロールは winocc.cpp の ASSERT(m_pCtrlsite != NULL ) になり、デバッグ中に {CMIDOCView hWnd = 0x0000000} であることがわかりました。

ここで何が間違っているのか誰か教えてください??

皆さん、ありがとうございました..

C/C++ で利用できる MFCC の実装はありますか? ソースコードまたはライブラリはありますか?

私はすでにhttp://code.google.com/p/libmfcc/を見つけましたが、これは良さそうです。

私が見つけたこの論文（http://arxiv.org/pdf/1003.4083.pdf）に基づいてMFCCアルゴリズムを計算しようとしているので、これまでに行ったことは次のとおりです。

ステップ1）プリエンファシス

ステップ2）フレーミング

ステップ3）ハミングウィンドウ

ステップ4）高速フーリエ変換

ステップ5）メルフィルターバンク処理

ステップ6）：離散コサイン変換

基本的に、私はMel Bankフィルターを使用して、実際の生の信号を乗算しました。次に、これらの結果に対してFFTを実行しました。これは次のようになります。

フレーム1のFFT：

次に、FFTのDCTを計算しました。その結果は、次のようになります。

フレーム1のDCT：

これは今のところ正しいように見えますか？私がこれをチェックして、私が正しい方向に進んでいることを知る方法さえありますか？

また、13の係数を取得する必要がありますが、これらのどれを取得するかを決定する方法がわかりません。256個の値を取得しますが、最初の13個を取得しますか？または、私は総エネルギーを取得しますか？

誰かが私を助けてくれることを願っています。

これが間違ったフォーラムにある場合はお詫びします。

さて、2つの異なる音声信号を比較しようとしていますが、問題が発生しました。ここに行きます：

信号をブロックに分割し、各ブロックのMFCC係数を計算しました。次に、DTWアルゴリズムを使用して、（入力された）信号をトレーニング信号と比較します。

編集（このアルゴリズムは機能しますか）？

アルゴリズムを更新しました（ウィキペディアの記事から作成）：

1Dではなく2Dベクトルを処理するようになりました。これは、1だけではなく、ある範囲の数値を出力していたため、私が間違っていた場所だと思います。

（実際の、トレーニング）MFCCに入力された値がまったく同じである場合、差は「0」になり、差はありません。トレーニング値で確認する必要がありますが、このアルゴリズムは正しく見えますか？

特定の単語を識別するために、HMM (隠れマルコフ モデル) を実装したいと考えています。これまでのところ、信号の係数 (MFCC) を抽出することができましたが、HMM をトレーニングするためにこれが正しいデータであるかどうか疑問に思いましたか?

また、HMM をトレーニングするための形式 (以下) は正しいですか?

形式:

各サンプルには、一連の MFCC 係数があります。例として、これらのサンプルのうちの 2 つを提供しました...

-13.8033 0.645476 3.2174 -0.625136 -0.470134 -2.96368 0.701151 0.464246 1.1898 -1.88515 0.0805242 0.311573 0.732487

-19.4252 -5.65454 0.853437 0.317219 0.146167 -1.93742 0.381944 -2.01793 -0.561144 -0.896783 -0.105491 -1.06504 -0.797318

誰かが助けてくれることを願っています:)

私は現在、音声認識を使用したディスカッション フェーズのプロジェクトに参加しています。MFCC 特徴抽出を使用していますが、関数から返される MFCC 特徴は行列です。各音声ファイル (wav) の (20,38) 特徴行列。しかし、どうすればこの機能を SVM 分類器に渡すことができますか。SVM (およびその他の分類子) の場合、各サンプルはベクトルで表されますよね? ただし、各サンプルの MFCC 機能はマトリックスです。Xi がサンプル i の MFCC 機能であると仮定すると、SVM に渡されるサンプル i の機能は次のとおりです。1) 20*38 ベクトル。Matlab 形式の Xi(:)。2) 平均 (Xi)。3) Xi の列または行の 1 つ。どの方法が正しいですか？このための有用なコード、紙はありますか？

ありがとう！輝く