如何合并MFCC

Question

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。在论文中，我看到了以下内容：

通过计算每个特征向量元素的均值和方差（合并），将音频数据中的一秒内提取的特征向量进行组合。

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。

Answer 1

经过更多研究后，我发现该网站清楚地表明了将MFCC用于Weka的步骤。 它显示了一些具有各种统计信息的数据文件，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

计算均值和方差

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。