利用matlab分析语音信号的能量分布，求梅尔倒谱系数（MFCC）。已经下载了voicebox

在MATLAB中，利用Voicebox库分析语音信号并计算梅尔倒谱系数（Mel-frequency cepstral coefficients, MFCCs）通常包括以下几个步骤：

1. **加载声音文件**：首先，使用`audioread`函数从 Voicebox 中加载音频数据。

[sig, fs] = audioread('your_audio_file.wav'); % 替换为你要处理的音频文件名

2. **预处理**：对信号进行去噪、归一化以及窗口分割，常用Hann窗或Hamming窗。

winSize = round(fs * 0.025); % 窗口大小（例如25ms）
shiftSize = winSize / 2;    % 移动步长
window = hann(winSize);     % 创建Hann窗
nperseg = winSize;
noverlap = shiftSize;
X = buffer(sig, nperseg, noverlap); % 分帧处理

3. **短时傅立叶变换（STFT）**：将信号划分为固定长度的小段，然后进行离散傅立叶变换得到频域表示。

Y = abs(fft(X, [], 2)); % STFT结果，包含了频率信息

4. **梅林滤波器组（Mel filterbank）**：将频域信号通过一系列梅林滤波器，每个滤波器对应不同的梅尔频率带宽。

[M, f] = melFilterBank(nfft, fs); % M是梅林滤波器矩阵，f是对应的中心频率
Ym = M * Y; % 应用了梅林滤波后的信号

5. **对数压缩**：能量谱通常是对数尺度上更均匀的，这有助于突出低能量部分。

Ylog = log10(Ym + eps); % 对非零值取对数，并加入一个小量eps防止负值

6. **DCT（离散余弦变换）**：对压缩后的能量谱应用离散余弦变换，得到MFCC。

D = dct(Ylog, 2); % 二维DCT，得到MFCC系数
mfccs = D(:, 1:end-1); % 去除直流分量

7. **特征归一化**：有时会进行标准化或归一化，如LDA或Z-score。

现在你已经有了语音信号的MFCC向量。