FBANK

音声認識では，音声データに対して特徴パラメータ抽出を行い，スペクトルパラ メータに変換したものを扱う．特徴パラメータ抽出を行う方法として，フィルタ バンク分析(filter bank analysis)と線形予測符号化(linear predictive cording)がある．本研究ではフィルタバンク分析を用いる．

FBANKは音声波形をフーリエ変換して得られたパワースペクトラムの周波 数を使用する. 音声波形をフーリエ変換して得られたパワースペクトラムの周波数の全域に， メルスケールに沿って等間隔に配置された三角形のフィルタをかける．この三角 形の個数がフィルタバンクのチャンネル数(特徴パラメータにおける次数)を表し ている．そして，フィルタバンクの出力に$log$対数をとったものをFBANKとし， 特徴パラメータとして使用する．周波数メル分割の式は以下のようになる．

$$Mel(f) = 2595\log_{10}(1+\frac{f}{700})$$ (3)