Matlab实现MFCC特征提取：24维倒谱与一阶差分

在MATLAB中，提取音频信号的MFCC（Mel频率倒谱系数）特征是一种常见的信号处理技术，用于语音识别、音频分析等场景。MFCC是一种从时域信号中提取出对人类听觉最敏感的频带特征的方法，它将音频信号转换成一组具有代表性的数值，以反映声音的纹理和语义信息。 首先，从给定的代码片段中，我们看到以下关键步骤： 1. 读取音频数据: 使用`wavread`函数读取名为'5_1.wav'的WAV文件，获取其波形数据`x`和采样率`fs`。 2. 预处理音频信号: - 将立体声转换为单声道（如果需要） - 应用低通滤波，使用一个1st-order Butterworth滤波器，以去除高频噪声和增强信号的稳定性。 - 对信号进行窗函数（这里使用汉明窗）加窗，这有助于减少频谱泄漏并提高频谱估计的准确性。 - 将信号划分为帧，每个帧大小为256样本，移位步长为80，以便进行短时傅立叶变换（STFT）。 3. 计算MFCC: - 对每个帧应用STFT，得到其幅度谱`t`。 - 应用Mel频率滤波器银行（Mel filterbank），这是一个线性空间，模拟人耳对不同频率的敏感度，将频谱转化为梅尔频率域。 - 计算梅尔频率谱的对数，然后进行离散余弦变换（DCT），得到12维的梅尔频率倒谱系数（MFCC）矩阵`c1`。 - 进行一阶差分，以捕捉信号的动态变化，这通常体现在第13到24维，称为Delta系数。 - 除了原始MFCC系数，还计算了Delta-Delta（DDT或delta2）系数，这是通过对原始差分系数进行同样的处理得到的。 4. 结果存储: 最后，将处理后的MFCC系数矩阵（不包括首尾部分）以及可能的Delta和DDT系数存储在变量`ccc`中，并将其命名为`getmfcc`，供后续处理或模型训练使用。 通过这个过程，我们得到了一个矩阵，其中包含了每帧音频的24维MFCC特征，加上12维的一阶差分和12维的二阶差分，总共48维，这些特征可以作为输入到机器学习模型中，用于声音识别、说话人识别或音乐分析等任务。