音声特徴量MFCCはなぜマイナス表記になるのか

Question

音声解析初学者です。
音声解析ツールlibrosaを用いて音声特徴量mfccの抽出を行っていたのですが、
なぜmfccはマイナスでの表示なのでしょうか？

疑問に思ったのでご教示いただけると幸いです。

Answer 1

マイナスになるのは、たまたまです。mfccの0次元目はパワーを表しますが、パワーがマイナスに出るかプラスにでるかは、入力信号によります。デジタル音響は、最大出力を0dBとして、マイナスパワーで表現することが多いためかもしれません。

なお、音響のパワーは適当な基準値を1として比率の対数をとった値ですので、相対的なものであり、互いの差だけが意味を持ちます。値そのものがプラスなのかマイナスなのかに、本質的な意味はありません。

実際、こちらのサンプルファイルをもとにmfccを求めてみます。すると確かにマイナスの値が並びます。

import librosa
import soundfile

x, fs = soundfile.read('sample.wav')   # サンプルファイル名を指定してください
x = x.mean(axis=1)   # モノラル化
mfcc = librosa.feature.mfcc(x, sr=fs)
print(mfcc[0])

# 出力
# [-350.36566677 -333.65622376 -315.14153639 -288.22497186 -245.22038702
# -194.41525383 -182.3683437  -187.80063673 -184.86709609 -172.53801819
# 以下略 

しかし、以下のように、人工的にwavファイルの振幅を拡大してあげると、プラスに転じます。

import librosa
import soundfile

x, fs = soundfile.read('sample.wav')   # サンプルファイル名を指定してください
x = x.mean(axis=1)   # モノラル化
x *= 100
mfcc = librosa.feature.mfcc(x, sr=fs)
print(mfcc[0])

# 出力
# [102.18267319 118.8921162  137.40680357 164.3233681  207.32795294
# 258.13308613 270.17999626 264.74770323 267.68124386 280.01032176
# 以下略 

Comments

[blkpnk1015]

全ての値がマイナスになるのかと思い込んでいました。
相対的な値でマイナス値という意味ではないのですね。
ご丁寧に回答いただきありがとうございます！勉強になりました。