3.2 音频数据处理 (特征提取：MFCC, FBank)

文档摘要

3.2 音频数据处理 (特征提取：MFCC, FBank) 3.2 音频数据处理 (特征提取：MFCC, FBank) 在语音识别领域，原始的语音波形数据包含大量冗余信息，且对噪声和说话人差异敏感。为了提高识别系统的鲁棒性和效率，需要将原始语音信号转换为更紧凑、更具判别性的特征向量序列。这个过程称为特征提取。Kaldi主要支持MFCC和FBank这两种广泛使用的特征。 3.2.1 语音信号基础与预处理在进行MFCC或FBank特征提取之前，原始语音信号通常需要经过一系列预处理步骤。这些步骤旨在标准化语音信号，去除不必要的噪声，并为后续的频谱分析做准备。预加重 (Pre-emphasis) 目的: 补偿语音信号在高频部分的衰减，增强高频共振峰，从而平衡频谱，提高高频成分的清晰度。