1. 背景

对于加性噪声模型，带噪信号可以表⽰为

1. 目的

Feedforward sequential memory networks 来源于数字滤波器的设计灵感： FIR 滤波器随着阶数的增加可以无限的逼近 IIR 滤波器。设计FSMN 的目的就是用 Feed forward neural network 去近似 RNN，对时间序列建模。RNN结构如下图：

2. 实现

2.1 网络结构

FSMN 的实现非常简单，就是在隐藏层之间插入 memory block，用于记录隐藏层节点的历史状态，如下图：

假设输入序列为\(X={x_1, x_2, …, x_T}\)，其中\(x_i \in R^{D\times 1}\)，第\(l\)个隐藏层的输出为\(H^l={h_1^l, h_2^l, …, h_T^l}\)，其中\(h_i^l \in R^{D_l \times 1}\)，论文中提出了两种形式的 FSMN:

1 简介

随着 DNN 的兴起，它被广泛应用于语音识别领域，但在端到端的语音识别成熟之前，基于HMM(Hidden Markov Model)的声学模型依然是当前语音识别系统的主流方案，而状态绑定(state tying)是 HMM 声学建模过程中不可或缺的重要一环。

进入语音领域两年多，尽管对语音领域已经有相对深入的了解，但因非科班出身，总感觉缺乏系统全面的认知，因此打算认真研读语音领域的经典教材：Spoken Language Processing，深入了解语音识别的前世。

语音识别的过程中，第一步就是提取语音信号特征，而 MFCC (Mel Frequency Cepstral Coefficents) 作为一种语音信号特征，目前仍然广泛应用于各种语音识别系统中，FBANK 则常用于 DNN 语音识别中，并具有比 MFCC 更优异的性能，本文将详细介绍 MFCC/FBANK 特征提取的过程，并分析其特性差异。

1 简介

1.1 什么是 OOC?

OOC（Object Oriented C) 是一个高效、轻量的面向对象的 ANSI-C 扩展，用于支持ANSI-C面向对象的软件开发。它支持

• 封装：隐藏对象的属性和实现细节，仅对外公开接口，控制在程序中属性的读取和修改的访问级别。
• 单继承，多接口继：根据现有类定义新类和行为的能力。
• 多态：同一操作作用于不同的对象，可以有不同的解释，产生不同的执行结果。在运行时，可以通过指向基类的指针，来调用实现派生类中的方法。。