音频筑基：巴克谱和梅尔谱辨析

在音频信号处理中，巴克谱和梅尔谱是我们经常遇到的概念，也是语音处理中常用到的频域特征，这里谈谈自己对它们的理解。

是什么

巴克谱又称Bark Spectrum，梅尔谱又称Mel Spectrum，其中异同梳理如下：

• 相同点：
  • Bark谱和Mel谱都是将线性频谱映射到非线性谱上的表征，根据不同频带的感知能力来划分，但它们的核心思想不同。
  • 这两种谱都是语音信号处理中常用的特征提取方法，它们可以用于基频、降噪、编解码、特殊声音检测等领域。
• 不同点：
  • 机理不同：
    • BFCC（Bark-Frequency Cepstral Coefficents），人耳对响度感知灵敏度确定的频带划分方法, amplitude/loudness
    • MFCC（MelScale-Frequency Cepstral Coefficents），人耳对音高感知灵敏度确定的频带划分方法, pitch
  • 映射函数不同：
    • Bark谱将线性频谱映射到Bark域上，以符合人耳听觉机理。在Bark域上分布是非线性的。Bark谱通常基于MDCT弄的，常用于编解码领域。
    • Mel谱将线性频谱映射到Mel频率域(对数log)上，以模拟人类听觉系统机理。在Mel频域上，分布是线性的。Mel谱通常基于STFT弄的，使用更广泛。
  • 两者的区别在于映射函数不同，Bark谱的映射函数是非线性的，而Mel谱的映射函数是线性的。

深入了解

巴克谱/bark刻度具体如何解释？

• bark刻度指的是频点分带策略按人耳听觉感知特性，对0-15500Hz频点从听感上进行等间距划分24个带，低于500Hz的bark刻度近似线性，高于500Hz的bark刻度近似对数尺度。
• bark谱划分最高到15.5kHz，若到20kHz需增加为25个带（15.5-20k）
• bark谱的关键在于临界带的宽度，而非具体位置

相关参考

1. 语音特征小结 - 知乎 (zhihu.com)]，link
2. 音频处理中的尺度–Bark尺度与Mel尺度_bark(巴克)频率尺度-CSDN博客，link
3. Bark谱维基百科，link