声学特征: GFCC

1. introduction

ASA
CASA

2. Auditory Features

input（signal） -> STFT -> Gammatone filters -> downsampling（改变采样频率到10KHz） -> loudness-compressed (减少 magnitude) -> output（TF decomposition（T-F decomposition是cochleagram图的一部分，cochleagram在低频有更高的频率分辨率，不同于频谱图的线性频率分辨率。））

input（Gammatone feature（cochleagram图的一帧））-> DCT（做这个operation的原因是解决GF的维度大，并且GFs之间相似度太高（帧和帧之间重复部分多））-> output（GFCC）

可以看到GFCC的过程和倒谱分析基本相同，但是没有取log的过程。

低30位几乎保存了所有信息，所以GFCC取30位就好。

GFCC_delta (动态特征)（比较简单的动态特征就是特征之间的微分，可以反应特征的走向）也取30位，加上GFCC一共60位。

3. Evaluation

参考论文：Shao Yang and De Liang Wang. “Robust speaker identification using auditory features and computational auditory scene analysis”. In: Proc. of ICASSP. 2008.