使用 writehtk 进行特征提取（说话人识别）

Posted 2023-02-22

【中文标题】使用 writehtk 进行特征提取（说话人识别）

【英文标题】：Using writehtk for feature extraction (Speaker Identification)

【发布时间】：2017-04-03 09:23:07

【问题描述】：

我正在研究说话人识别，发现this post on ***.com 非常有用。

虽然代码运行良好，但我只是有点怀疑：

答案中给出的代码

fRate = 0.010 * fs; 
....
writehtk(featureFilename, mfc', 100000, 9);

来自 Voicebox 的函数writehtk

function writehtk(file,d,fp,tc)
%WRITEHTK write data in HTK format []=(FILE,D,FP,TC)
%
% Inputs:
%    FILE = name of file to write (no default extension)
%       D = data to write: one row per frame
%      FP = frame period in seconds
%      TC = type code = the sum of a data type and (optionally) one or more of the listed modifiers

writehtk 函数需要以秒为单位的帧周期，但在代码中单位是别的东西。

谁能解释一下这个值是怎么得到的？

【参考方案1】：

post you linked to 有一点混乱。

使用fRate 作为melcepst 的参数表明作者打算将fRate 表示转换为多个样本的帧之间的10 毫秒间隔（而不是帧速率）。这也与作者使用100000 作为FP 参数一致，如果此参数以100ns 为单位（这是执行writehtk function already does internally 转换的错误尝试）。

我个人会将变量 fRate 重命名为 fInterval 以避免混淆速率（通常以 Hz 为单位）和时间间隔（通常在指定采样率时以秒或样本数给出）：

fInterval = 0.010 * fs; % in samples
...
mfc = melcepst(s, fs, '0dD', nCeps, nChan, fSize, fInterval, fL, fH);

那么以秒为单位的帧持续时间就是 0.01，或者根据之前定义的变量 fInterval/fs 给出：

writehtk(featureFilename, mfc', fInterval/fs, 9);

【讨论】：

感谢 SleuthEye！如果作者的代码已经直接用于编写htk文件，（考虑到不正确的尝试进行转换），htk文件能正确生成吗？

主要是。帧时长（FP）参数只写在htk文件开头附近，对保存的系数没有影响。