我正在从一些音频文件中提取MFCC功能。我目前使用的程序为每个文件提取了一系列MFCC，并且其缓冲区大小为1024。我在论文中看到了以下内容:
我当前的代码使用TarsosDSP提取MFCC，但是我不确定如何将数据拆分为“一秒钟的音频数据”以合并MFCC。
我的MFCC提取代码
int sampleRate = 44100;
int bufferSize = 1024;
int bufferOverlap = 512;
inStream = new FileInputStream(path);
AudioDispatcher dispatcher = new AudioDispatcher(new UniversalAudioInputStream(inStream, new TarsosDSPAudioFormat(sampleRate, 16, 1, true, true)), bufferSize, bufferOverlap);
final MFCC mfcc = new MFCC(bufferSize, sampleRate, 13, 40, 300, 3000);
dispatcher.addAudioProcessor(mfcc);
dispatcher.addAudioProcessor(new AudioProcessor() {
@Override
public void processingFinished() {
System.out.println("DONE");
}
@Override
public boolean process(AudioEvent audioEvent) {
return true; // breakpoint here reveals MFCC data
}
});
dispatcher.run();
缓冲区的大小到底是多少，可否用于将音频分割为1秒的窗口？有没有一种方法可以将一系列MFCC划分为一定的时间？
任何帮助将不胜感激。
最佳答案
经过更多研究，我访问了this网站，该网站清楚地显示了将MFCC用于Weka的步骤。它显示了一些具有各种统计数据的数据文件，每个数据文件在Weka中均作为单独的属性列出。我相信当报纸说
它们表示每个MFCC系数的均值和方差均用作组合数据文件中的属性。当我按照网站上的示例合并MFCC时，我使用了最大，最小，范围，最大位置，最小位置，均值，标准差，偏度，峰度，四分位和四分位间距。
为了将音频输入分成几秒钟，我相信MFCC的集合是以作为参数输入的采样率提取的，因此，如果将其设置为100，我将等待100个周期来合并MFCC。如果我错了，请纠正我。
关于java - 如何合并MFCC，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45222357/