什么是MFCC（Mel频率倒谱系数）

MFCC（Mel频率倒谱系数）是一种常用的音频特征提取方法，主要用于语音和音频信号处理任务。它是通过一系列信号处理步骤来提取表示音频的特征。

MFCC特征提取过程如下：

1. 预加重：通过应用一个高通滤波器来平衡音频信号的频谱，增强高频部分。

2. 分帧：将音频信号分成短时帧（通常为20-40毫秒），每个帧之间有一定的重叠。

3. 加窗：将每个帧乘以窗函数（如汉明窗）以减少频谱泄漏。

4. 傅里叶变换：将每个帧转换为频域表示，通常使用快速傅里叶变换（FFT）。

5. 梅尔滤波器组：在梅尔频率刻度上放置一组三角滤波器，以模拟人耳对不同频率的感知。这些滤波器的中心频率通常在低频段稠密，高频段稀疏。

6. 对数压缩：对每个滤波器的能量取对数，以减小动态范围。

7. 离散余弦变换：对每个滤波器的能量进行离散余弦变换（DCT），得到倒谱系数。

最终，MFCC特征表示为每个帧的倒谱系数，通常使用前几个系数，通常是13个，作为主要的音频特征。这些特征在语音识别、语音合成、说话人识别等应用中广泛使用，因为它们可以很好地表示音频的语音内容和说话人特征。