接上回，完成数据准备的工作后，shell显示
说明已经创建这些文件完毕。 我们看到生成的spk2utt的文件格式是这样的：
我们看到它是先是一个说话者id号 然后是这个说话者id下的所有名称，
而word.txt和text是一样的。
既然我们已经数据准备了,所以以后就不用再进行数据准备了，所以在下次运行run.sh时, 先注释掉相关数据准备的shell脚本。
#data preparation
#generate text, wav.scp, utt2pk, spk2utt
#local/thchs-30_data_prep.sh $H $thchs/data_thchs30 || exit 1;
我们接下来继续看run.sh
#produce MFCC features 生成 mfcc特征
rm -rf data/mfcc && mkdir -p data/mfcc && cp -R data/{train,dev,test,test_phone} data/mfcc || exit 1;
#先删除data下的mfcc目录, 并且创建mfcc目录，拷贝这些数据到mfcc目录
for x in train dev test; do
#make mfcc 生成mfcc
steps/make_mfcc.sh --nj $n --cmd "$train_cmd" data/mfcc/$x exp/make_mfcc/$x mfcc/$x || exit 1; #调用steps/make_mfcc.sh ,$n是cpu的并发数，--cmd "$train_cmd"是 训练的cmd ，它调用的是 cmd.sh中设置的train_cmd ,data/mfcc/$x 是每个数据的目录，exp/make_mfcc/$x， mfcc/$x 这些都是目录的参数
#compute cmvn 计算cmvn
steps/compute_cmvn_stats.sh data/mfcc/$x exp/mfcc_cmvn/$x mfcc/$x || exit 1;
done
咱们先来看看steps/make_mfcc.sh是怎么样提取mfcc特征的：
#!/bin/bash
# Copyright 2012-2016 Johns Hopkins University (Author: Daniel Povey)
# Apache 2.0
# To be run from .. (one directory up from here)
# see ../run.sh for example
# Begin configuration section.
nj=4 #默认nj为4
cmd=run.pl #调用run.pl
mfcc_config=conf/mfcc.conf #mfcc配置文件为conf/mfcc.conf 此时说明一下 我们看到 配置文件中只有如下两行：
--use-energy=false # only non-default option.
#--sample-frequency=8000 说明没有选定使用能量,也就是不使用能量
compress=true #这里应该是启用了压缩
write_utt2num_frames=false # if true writes utt2num_frames 这里表示如果选择true 则就写utt2num_frames
# End configuration section.
echo "$0 $@" # Print the command line for logging 这里是打印命令行到日志，$0为执行的命令 $@表示所有参数脚本的内容
if [ -f path.sh ]; then . ./path.sh; fi #这句的意思是如果存在path.sh那么就执行它，为了测试它调用了，我们一会在path.sh中添加一些打印，来查看。
我们先看到这，将后面的先注释掉。
我们还需要在path中添加一些打印来方便查看，我们在path.sh中的开始部分加入
echo "come here,for test" ，如果打印多次，说明run.sh中的for循环通过make_mfcc.sh调用了path.sh多次。
我们调试一下，将run.sh中的刚才的那一段改为如下：
#produce MFCC features 生成 mfcc特征
rm -rf data/mfcc && mkdir -p data/mfcc && cp -R data/{train,dev,test,test_phone} data/mfcc || exit 1;
#先删除data下的mfcc目录, 并且创建mfcc目录，拷贝这些数据到mfcc目录
for x in train; do 这里改为去掉原来的dev和test目录
#make mfcc 生成mfcc
steps/make_mfcc.sh --nj $n --cmd "$train_cmd" data/mfcc/$x exp/make_mfcc/$x mfcc/$x || exit 1;
#compute cmvn 计算cmvn
#steps/compute_cmvn_stats.sh data/mfcc/$x exp/mfcc_cmvn/$x mfcc/$x || exit 1; 这里先注释掉
done
我们的意思是先跑一下make_mfcc.sh看看它干了什么，
我们先执行一下看看，
我们看到调用了make_mfcc.sh，并且显示了两次come here,for test,第一次是run.sh最开始调用的时候调用的path.sh，第二次是这个for循环调用的，但是在调用的过程中显示
basename: missing operand
Try 'basename --help' for more information.
说明basename并没有找到，我们一会找找原因，这里面基本上确定在make_mfcc.sh的第19行,我们看了一下第19行发现是我们的注释，所以分析是由于我们的注释引起的，后面我们在分析。
我们现在将一步一步的打开刚才注释的脚本，我们打开刚才注释的. parse_options.sh || exit 1;
if [ -f path.sh ]; then . ./path.sh; fi
. parse_options.sh || exit 1; #应该是解析命令行选项，其实调用的是utils/parse_options.sh，对于这个文件的研究我们放到后面。
我们往后看
if [ $# -lt 1 ] || [ $# -gt 3 ]; then
echo "Usage: $0 [options] <data-dir> [<log-dir> [<mfcc-dir>] ]";
echo "e.g.: $0 data/train exp/make_mfcc/train mfcc"
echo "Note: <log-dir> defaults to <data-dir>/log, and <mfccdir> defaults to <data-dir>/data"
echo "Options: "
echo " --mfcc-config <config-file> # config passed to compute-mfcc-feats "
echo " --nj <nj> # number of parallel jobs"
echo " --cmd (utils/run.pl|utils/queue.pl <queue opts>) # how to run jobs."
echo " --write-utt2num-frames <true|false> # If true, write utt2num_frames file."
exit 1;
fi
这块就是如果不符合这些参数列表，则需要更改符合这些参数。
这里说明一下shell的参数具体是这样的：
$# 表示提供到shell脚本或者函数的参数总数；
$1 表示第一个参数。
-ne 表示 不等于
另外：
整数比较
-eq 等于,如:if ["$a" -eq "$b" ]
-ne 不等于,如:if ["$a" -ne "$b" ]
-gt 大于,如:if ["$a" -gt "$b" ]
-ge大于等于,如:if ["$a" -ge "$b" ]
-lt 小于,如:if ["$a" -lt "$b" ]
-le 小于等于,如:if ["$a" -le "$b" ]
< 小于(需要双括号),如:(("$a" < "$b"))
<= 小于等于(需要双括号),如:(("$a" <= "$b"))
‘>‘ 大于(需要双括号),如:(("$a" "$b"))
‘>=’ 大于等于(需要双括号),如:(("$a" >= "$b"))
另外：$?是shell变量,表示"最后一次执行命令"的退出状态.0为成功,非0为失败.
我们接着看后面的内容
data=$1 #将第一个参数赋给data，其实就是上面这个说明中说的<data-dir>
if [ $# -ge 2 ]; then #判断如果参数总数大于等于2，则将第二个参数赋给logdir，否则将data下的log路径赋给logdir
logdir=$2
else
logdir=$data/log
fi
if [ $# -ge 3 ]; then #判断如果参数总数大于等于3，则将第三个参数赋给mfccdir，否则将data下的data路径赋给mfccdir
mfccdir=$3
else
mfccdir=$data/data
fi
我们接着看后面的内容
# make $mfccdir an absolute pathname. 这块是调用perl脚本来创建目录，给mfccdir赋值一个绝对路径名称
mfccdir=`perl -e '($dir,$pwd)= @ARGV; if($dir!~m:^/:) { $dir = "$pwd/$dir"; } print $dir; ' $mfccdir ${PWD}`
这里是perl脚本
@ARGV首先是一个数组，不管脚本里有没有把它写出来，它始终是存在的。@ARGV是Perl默认用来接收参数的数组，这些参数来源于用户在命令行上输入的参数。
如以下例子：
(1)命令行上输入：
perl xx.pl C:/msConvert.exe C:/in C:/out
解释：命令行上输入了三个参数，即C:/msConvert.exe，C:/in和C:/out，这个三个参数是一个程序路径和两个文件夹路径。当用户在命令行上输入这三个参数时，perl已经将它们储存在@ARGV这个数组里了。也就是，@ARGV[0]是C:/msConvert.exe，@ARGV[1]是C:/in，@ARGV[2]是C:/out。
即@ARGV=qw(C:/msConvert.exe C:/in C:/out)
xx.pl脚本里有：
my ($msConvert,$inDir,$outDir)=@ARGV[0,1,2];
解释：这是建立了三个标量，即$msConvert,$inDir,$outDir；然后对这三个标量进行了赋值，即将C:/msConvert.exe赋值给$msConvert，C:/in赋值给$inDir，C:/out赋值给$outDir。
我们接着往下看：
# use "name" as part of name of the archive. 使用“名称”作为文件名称的一部分
name=`basename $data`
mkdir -p $mfccdir || exit 1; #创建两个目录
mkdir -p $logdir || exit 1; #创建两个目录
我们接着往下看：
if [ -f $data/feats.scp ]; then #我们现在没有分析出$data是哪个目录，我们在之前加入一个打印看一下
mkdir -p $data/.backup
echo "$0: moving $data/feats.scp to $data/.backup"
mv $data/feats.scp $data/.backup
fi
我们在这段之前加入一个打印，并且注释掉后面的
echo "----test: $data" #我们运行试一下
我们发现$data就是data/mfcc/train 因为是run.sh中的for 遍历train/dev/test目录,所以本次是 data/mfcc/train ,所以我们接着打开注释掉的代码，分析
if [ -f $data/feats.scp ]; then #这里就是判断如果data/mfcc/train下存在feats.scp,就将创建一个备份的目录，将feats.scp移动到备份的目录中去，但是其实咱们并没有这个文件，所以此处并不调用
mkdir -p $data/.backup
echo "$0: moving $data/feats.scp to $data/.backup"
mv $data/feats.scp $data/.backup
fi
我们接着往下看：
scp=$data/wav.scp #将data/mfcc/train下的wav.scp赋值给scp
#required="$scp $mfcc_config" #像刚才一样，我们并不太清楚$mfcc_config是什么我们在之前加入一个打印看一下，我们注释掉这句以及后面的
echo "----test: $mfcc_config" #我们运行试一下
我们看到$mfcc_config就是conf/mfcc.conf，所以required="$scp $mfcc_config"就相当于将“$data/wav.scp conf/mfcc.conf”赋给required，我们
打开刚才注释的，继续往下看。
for f in $required; do
if [ ! -f $f ]; then
echo "make_mfcc.sh: no such file $f"
exit 1;
fi
done #这里其实就是判断是否有足够的文件，才继续往下运行
utils/validate_data_dir.sh --no-text --no-feats $data || exit 1; #这里调用了一个校验数据目录的脚本，这里会调用一些脚本来检测各种文件及目录是否存在等等，我们后面在分析。
我们继续往下看：
if [ -f $data/spk2warp ]; then
echo "$0 [info]: using VTLN warp factors from $data/spk2warp"
vtln_opts="--vtln-map=ark:$data/spk2warp --utt2spk=ark:$data/utt2spk"
elif [ -f $data/utt2warp ]; then
echo "$0 [info]: using VTLN warp factors from $data/utt2warp"
vtln_opts="--vtln-map=ark:$data/utt2warp"
fi #这块是是否通过VTLN（特征级声道长度标准化），这里没有这两种文件，所以这里不调用
特征级声道长度标准化（归一化）：计算-mfcc-feat和计算-plp-feat程序接受VTLN 扭曲因子选项。
在当前脚本中，这仅用于初始化线性版本的VTLN的线性变换。VTLN的作用是移动三角形频率箱的中心频率的位置。
VTLN通过移动三角频率区的中心频率的位置来起作用。 移动频率区间的翘曲函数是频率空间中的分段线性函数。 要了解它，请记住以下数量：
0 <= low-freq <= vtln-low < vtln-high < high-freq <= nyquist
这里，低频和高频是标准MFCC或PLP计算中使用的最低和最高频率（丢弃较低和较高频率）。 vtln-low和vtln-high是VTLN中使用的频率截止，它们的功能是确保所有的mel箱都有合理的宽度。
我们实现的VTLN变形函数是一个分段线性函数，有三个段将区间[low-freq，high-freq]映射到[low-freq，high-freq]。令翘曲函数为W（f），其中f为频率。中心段将f映射到f / scale，其中“scale”是VTLN 扭曲因子（通常在0.8到1.2的范围内）。
下段连接中段的x轴上的点是定义的点f，使得min（f，W（f））= vtln-low。中间段连接上段的x轴上的点是定义的点f，使得max（f，W（f））= vtln-high。下段和上段的斜率和偏移由连续性和W（低频率）=低频率和W（高频率）=高频率的要求决定。这种扭曲功能与HTK不同;在HTK版本中，“vtln-low”和“vtln-high”数量被解释为x轴上发生不连续的点，这意味着必须选择“vtln-high”变量仔细地根据可能的扭曲因子范围的知识（否则可能出现具有空尺寸的梅尔箱）。
合理的设置如下（对于16kHz采样语音）; 请注意，这反映了我们对合理值的理解，并不是任何非常仔细的调整实验的产物。
echo "----test: $mfccdir" #为了配合后面的工作，我们查看一下$mfccdir,注释掉后面的脚本，运行一下
for n in $(seq $nj); do #for循环，之前nj=4
# the next command does nothing unless $mfccdir/storage/ exists, see
# utils/create_data_link.pl for more info. #除非$mfccdir/storage/存在，否则下一个命令不会执行任何操作，请参见utils/create_data_link.pl更多信息。
utils/create_data_link.pl $mfccdir/raw_mfcc_$name.$n.ark
done
#我们运行后发现$mfccdir就是/opt/kaldi/egs/thchs30/s5/mfcc/train,我们查看后，发现没有$mfccdir/storage/所以上面没有执行。
我们接着往下看
if $write_utt2num_frames; then #这个在make_mfcc.sh开始时声明为false，所以这里write_num_frames_opt= 不赋值
write_num_frames_opt="--write-num-frames=ark,t:$logdir/utt2num_frames.JOB"
else
write_num_frames_opt=
fi
未完待续。。。。。。