C语言实现MFCC特征提取

"这是一个C语言实现的MFCC (Mel Frequency Cepstral Coefficients) 工具，包含了mfcc.c和mfcc.h两个文件，用于音频信号的特征提取。MFCC是语音识别和处理中常用的一种技术，通过该程序可以将原始音频信号转化为具有代表性的特征向量。" MFCC（梅尔频率倒谱系数）是一种在语音识别、音频分析等领域广泛应用的信号处理技术。它通过模拟人类听觉系统对声音的感知，将声音信号转换成一组易于处理的系数，这些系数能够捕获声音的主要特征。 在提供的代码中，可以看到以下几个关键步骤： 1. **预加重(preemphasis)**：预加重是为了补偿人类听觉系统对高频成分的衰减，提高低频成分的相对强度。函数`preemphasize`中，使用了一种线性滤波器，通常设置一个固定的预加重因子`emphFac`（例如0.97），对输入信号进行处理。预加重公式为`sample[i] = sample[i] - emphFac * sample[i-1]`。 2. **窗口函数应用(windowing)**：在函数`Do_hamm_window`中，使用了汉明窗（Hann window）对每一帧信号进行加权。汉明窗能减少信号处理中的边界效应，使处理结果更加平滑。窗函数计算公式为`hamm_window[i] = 0.54 - 0.46 * cos(temp * i)`，其中`temp`是根据窗口大小计算的角频率。 3. **分帧(frame segmentation)**：将音频信号分割成固定长度的帧，以便于处理。通常会根据采样率和帧移（frame shift）来确定每帧的样本数。 4. **短时能量计算和对数能量(log energy calculation)**：这是MFCC的第一步，计算每帧的短时能量，然后取对数。在代码中，这部分可能隐藏在未显示的部分，如`m_logEnergyFloor`和`m_energyFloor`可能用于设定能量的下限，避免对数运算时出现负值。 5. **梅尔滤波器组(Mel Filterbank)**：函数`WfMelFBm_MelFB`可能表示梅尔滤波器组的设置，用于将功率谱映射到梅尔频率尺度上。梅尔滤波器通常有20到40个，代码中设置了23个。 6. **倒谱(DCT, Discrete Cosine Transform)**：使用离散余弦变换将梅尔滤波器组输出的频谱转换为倒谱系数。在`m_dctMatrix`中存储了DCT矩阵，用于执行DCT操作。 7. **选择保留系数(cepsTruncate)**：通常只保留MFCC的前几个系数（例如12个，如变量`m_cepOrder`所示），因为它们包含主要的语音信息，其余系数可以丢弃以减少计算复杂性和存储需求。 8. **其他可能的步骤**：包括Dithering（抖动）等，用于改善量化噪声，但代码中注释掉了。 这个C程序提供了一个完整的MFCC提取流程，可以用于各种音频处理任务，例如语音识别、情感分析或音频分类。在实际应用中，可能还需要添加额外的步骤，如帧重叠、去直流偏移、归一化等，以优化结果。