Aspectos de la simetría de las transformaciones integrales en la caracterización de sonidos

La aplicación de técnicas de aprendizaje automático a señales de sonido requiere la caracterización previa de dichas señales. A menudo, la descripción del espectro sonoro se realiza utilizando coeficientes cepstrales. En este trabajo, se compara el desempeño en la obtención de coeficientes cepstrales mediante dos transformaciones integrales, la Transformación discreta de Fourier (DFT) y la Transformación discreta de coseno (DCT). Se puede demostrar que DCT supera a DFT en la tarea de representar los espectros de sonido. Esta mejora se debe a la simetría del espectro y no a ninguna ventaja intrínseca de DCT. Además, las características de MFCC obtenidas con DCT están notablemente menos correlacionadas que las obtenidas con DFT, lo que hará que las funciones MFCC basadas en DCT sean más potentes en algoritmos de clasificación posteriores.