MelFilterBank

ノードの概要

入力スペクトルにメルフィルタバンク処理を行ない，各フィルタチャネルのエネルギーを出力する．入力ス ペクトルは，2種類あり，入力によって出力結果が異なる点に留意．

必要なファイル 無し．

使用方法

どんなときに使うのか

音響特徴量を求める前処理として使用する．MultiFFT，PowerCalcForMap，PreEmphasisの直後に使用す る．MFCCExtraction，MSLSExtractionの前段で使用する．

典型的な接続例

図6.59:MelFilterBankの接続例

ノードの入出力とプロパティ

表6.53:MelFilterBankのパラメータ表 パラメータ名 型 デフォルト値 単位 説明

LENGTH int 512 [pt] 分析フレーム長

SAMPLING RATE int 16000 [Hz] サンプリング周波数

CUT OFF int 8000 [Hz] ローパスフィルタのカットオフ周波数

MIN FREQUENCY int 63 [Hz] フィルタバンクの下限周波数

MAX FREQUENCY int 8000 [Hz] フィルタバンクの上限周波数

FBANK COUNT int 13 フィルタバンク数

入力

INPUT :Map<int, ObjectRef>型．音源IDとパワースペクトルVector<float>型または，複素スペクトル Vector<complex<float> >型のデータのペア．ただし，パワースペクトルを選択した場合，複素スペク トルを選択した場合と比較して出力エネルギーが２倍になる．

出力

OUTPUT : Map<int, ObjectRef>型．音源IDとフィルタバンクの出力エネルギーから構成されるベクト

ルの Vector<float> 型のデータのペア．出力ベクトルの次元数は，FBANK COUNT の２倍である．

0 から FBANK COUNT-1までに，フィルタバンクの出力エネルギーが入り，FBANK COUNTから 2

*FBANK COUNT-1までには，0が入る．0が入れられる部分は，動的特徴量用のプレースホルダーであ

る．動的特徴量が不要な場合はFeatureRemoverを用いて削除する必要がある．

パラメータ

LENGTH :int型．分析フレーム長である．入力スペクトルの周波数ビン数に等しい．値域は正の整数である．

SAMPLING RATE :int型．サンプリング周波数である．値域は正の整数である．

CUT OFF :int型．離散フーリエ変換時のアンチエーリアシングフィルタのカットオフ周波数．SAMPLING RATE の1/2以下である．

MIN FREQUENCY :int型．フィルタバンクの下限周波数．値域は正の整数でかつCUT OFF以下．

MAX FREQUENCY :int型．フィルタバンクの上限周波数．値域は正の整数でかつCUT OFF以下．

FBANK COUNT :int型．フィルタバンク数である．値域は正の整数である．

ノードの詳細

メルフィルタバンク処理を行ない，各チャネルのエネルギーを出力する．各バンクの中心周波数は，メルス ケール⁽¹⁾上で等間隔に配置する．チャネル毎の中心周波数は，最小周波数ビンSAMPLING RATE/LENGTH からSAMPLING RATECUT OFF/LENGTHまでをFBANK COUNT分割し決定する．

リニアスケールとメルスケールの変換式は，

m = 1127.01048 log(1.0+ λ

700.0) (6.96)

である．ただし，リニアスケール上での表現をλ(Hz)，メルスケール上での表現をmとする．図6.60に8000 Hz までの変換例を示す．赤点は，SAMPLING RATEが16000 Hz，CUT OFFが8000 Hz， かつFBANK COUNT が13の場合の，各バンクの中心周波数を表す．各バンクの中心周波数が，メルスケール上で等間隔なことを 確認できる．

図6.61にメルスケール上の各フィルタバンクの窓関数を示す．中心周波数部分で1.0となり，隣接チャネル の中心周波数部分で0.0となる三角窓である．中心周波数がチャネル毎にメルスケール上で等間隔で，対象な 形状である．これらの窓関数は，リニアスケール上では図6.62のように表現される．高域のチャネルでは，広 い帯域をカバーしている．

入力するリニアスケール上で表現されたパワースペクトルに図6.62に示す窓関数で重み付けし，各チャネル 毎にエネルギーを求め，出力する．

0 1 2 3 4 5 6 7 8 0

500 1000 1500 2000 2500 3000

Hertz scale (kHz)

Mels scale (Mel)

図6.60:リニアスケールとメルスケールの対応

0 500 1000 1500 2000 2500

0 0.2 0.4 0.6 0.8 1

mel scale (Mels)

weight

図6.61:メルスケール上での窓関数 参考文献:

(1) Stanley Smith Stevens, John Volkman, Edwin Newman: “A Scale for the Measurement of the Psychological Magnitude Pitch”, Journal of the Acoustical Society of America 8(3), pp.185–190, 1937.

0 1 2 3 4 5 6 7 8 0

0.2 0.4 0.6 0.8 1

linear scale (kHz)

weight

図6.62:リニアスケール上での窓関数