什麼是mfcc特徵及其提取過程

MFCC：Mel頻率倒譜係數的縮寫。Mel頻率是基於人耳聽覺特性提出來的，它與Hz頻率成非線性對應關係。Mel頻率倒譜系數(MFCC)則是利用它們之間的這種關係，計算得到的Hz頻譜特徵。

MFCC引數的提取包括以下幾個步驟：

預濾波：CODEC前端頻寬為300-3400Hz的抗混疊濾波器。

A/D變換：8kHz的取樣頻率，12bit的線性量化精度。

預加重：通過一個一階有限激勵響應高通濾波器，使訊號的頻譜變得平坦，不易受到有限字長效應的影響。

分幀：根據語音的短時平穩特性，語音可以以幀為單位進行處理，實驗中選取的語音幀長為32ms，幀疊為16ms。

加窗：採用哈明窗對一幀語音加窗，以減小吉布斯效應的影響。

快速傅立葉變換(Fast Fourier Transformation， FFT)：將時域訊號變換成為訊號的功率譜。

三角窗濾波：用一組Mel頻標上線性分佈的三角窗濾波器(共24個三角窗濾波器)，對訊號的功率譜濾波，每一個三角窗濾波器覆蓋的範圍都近似於人耳的一個臨界頻寬，以此來模擬人耳的掩蔽效應。

求對數：三角窗濾波器組的輸出求取對數，可以得到近似於同態變換的結果。

離散餘弦變換(Discrete Cosine Transformation， DCT)：去除各維訊號之間的相關性，將訊號對映到低維空間。

譜加權：由於倒譜的低階引數易受說話人特性、通道特性等的影響，而高階引數的分辨能力比較低，所以需要進行譜加權，抑制其低階和高階引數。

倒譜均值減(Cepstrum Mean Subtraction， CMS)：CMS可以有效地減小語音輸入通道對特徵引數的影響。

差分引數：大量實驗表明，在語音特徵中加入表徵語音動態特性的差分引數，能夠提高系統的識別效能。在本系統中，我們也用到了MFCC引數的一階差分引數和二階差分引數。

短時能量：語音的短時能量也是重要的特徵引數，本系統中我們採用了語音的短時歸一化對數能量及其一階差分、二階差分引數。