1. 音频分析

1. 音频原始数据形式：8k16bitpcm；
2. 频率范围：60HZ~3400HZ；
3. 三角窗数量：15组；
4. 提取filter bank特征，并观察特征分布特点；
5. 进一步提取MFCC特征；
6. 求取特征三阶差分并进行离线CMVN（cepstral mean and variance normalization，CMVN）；
7. 语音信号是一个非稳态、时变的信号，但是在“短时间”范围内可以认为语音信号是稳态、时不变的。在分帧过程中，往往设置在相邻两帧之间有一部分重叠。（帧移） 一般认为“短时间”范围为10~30ms，按采样频率为8kHZ来算，因此每一帧长为80-240个采样点，帧移为80个采样点。

2. Filter bank提取

3. MFCC提取

4. 三阶差分

代码：
MFCC
+qq：1095982611; 80% discount