Log-Mel Spectrogram
Kısa-zamanlı spektrum enerjisinin Mel ölçekli filter bank üzerinden projelendirilip logaritmik ölçekte ifade edildiği zaman-frekans gösterimi.
Log-Mel spektrogram, kısa süreli Fourier analiziyle bulunan işaret gücünü Mel ölçeğindeki frekans bantlarında özetleyen ve bant enerjilerine logaritmik dönüşüm uygulayan zaman–frekans temsilidir.
Matematiksel işlem hattı
Örneklenmiş işaret x[n], bir pencere w[n] ve çerçeve ilerlemesi H ile kısa çerçevelere ayrılır. t çerçevesinin Fourier dönüşümü Xₜ[k], güç spektrumu ise |Xₜ[k]|² olarak alınabilir. m numaralı Mel filtresinin ağırlıkları Hₘ[k] ile bant enerjisi Eₘ(t) = Σₖ Hₘ[k]|Xₜ[k]|² biçiminde hesaplanır. Son temsil Lₘ(t) = log(max(Eₘ(t), ε)) biçimindedir; ε, düşük enerjili bantların sayısal sınırını belirler.
Pencere ve ilerleme uzunlukları zaman çözünürlüğünü, FFT boyutu spektral örnekleme ızgarasını, filtre sayısı ise çıktı tensörünün frekans eksenini etkiler. Bu nicelikler ve güç/mutlak değer seçimi, model girişinin tanımlı parametreleridir.
MFCC ile ilişkisi
MFCC, log-Mel enerjilerine ayrık kosinüs dönüşümü uygulayarak kepstral katsayılar oluşturur. Log-Mel temsilinde filtre bantları korunur; MFCC'de bunlar başka bir katsayı tabanında ifade edilir. İlgili dönüşümler Mel Ölçeği, Filtre Bankası ve Kısa Zamanlı Fourier Dönüşümü kavramlarıyla birlikte incelenir.