6.4.3 MelFilterBank

6.4.3.1 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．

6.4.3.2 必要なファイル

無し．

6.4.3.3 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

6.4.3.4 ノードの入出力とプロパティ

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．

CUTOFF

: 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 CUTOFF 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 CUTOFF 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．

6.4.3.5 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 $\hbox{SAMPLING\_ RATE}/\hbox{LENGTH}$ から $\hbox{SAMPLING\_ RATE} \hbox{CUTOFF} / \hbox{LENGTH}$ 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，

$\displaystyle m $

$\displaystyle = $

$\displaystyle 1127.01048 \log ( 1.0 + \frac{\lambda }{700.0} ) $

(134)

である．ただし， リニアスケール上での表現を \lambda (Hz)，メルスケール上での表現を $m$ とする．図 6.80 に 8000 Hz までの変換例を示す．赤点は， SAMPLING_RATE が 16000 Hz，CUTOFF 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 6.81 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 6.82 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 6.82 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．

6.4.3.6 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.