MFCC：梅尔倒谱系数

MFCC（Mel-frequency cepstral coefficients）是一种常用的语音信号处理技术，主要用于语音识别和说话人识别等领域。MFCC通过将语音信号转换为梅尔频率分布的倒谱系数表示，从而提取语音信号的特征。

MFCC的处理过程包括以下几个步骤：

1. 预加重：在语音信号中，高频信号比低频信号更容易受到噪声的影响，因此需要对语音信号进行预加重，以强调高频信号。

2. 分帧：将语音信号分成若干个固定长度的帧，通常每个帧长为20-30毫秒。

3. 加窗：对每帧语音信号进行汉明窗等窗函数的加窗处理，以减少帧之间的不连续性。

4. 傅里叶变换：对每帧加窗后的语音信号进行傅里叶变换，将时域信号转换为频域信号。

5. 梅尔滤波器组：将频域信号通过一组梅尔滤波器，将原始频谱分成若干个梅尔频率带。

6. 取对数：对每个梅尔频率带的能量取对数，得到梅尔频率倒谱系数。

7. 离散余弦变换：对梅尔倒谱系数进行离散余弦变换，得到MFCC系数。

MFCC提取的特征向量可以用于训练语音识别或说话人识别模型。它具有对语音信号的不变性和稳健性，可以有效地识别不同说话人和不同的语音信号。