梅尔频率倒谱系数（MFCC）的提取过程与C++代码实现

MFCC参数提取步骤

——>预加重

——>分帧

——>对每一帧加窗

——>对每一帧补零

——>各帧信号的FFT变换及其功率谱

——>梅尔滤波（通过40个滤波器）

——>取对数

——>DCT变换

——>归一化

 

1.预加重

如果数据在低频的强度大于高频，就会不利于处理，因此需要通过一个传递函数为s[n]-a*s[n]的高通滤波器。滤去数据中的低频成分，使高频特性更加突现。

 

 

2.分帧

分帧就是将N个采样点集合成一个观测单位。我们设定每帧涵盖的时间是25ms，因为采样率是16000，所以得到每帧的样本点个数是400。

另外，为了避免相邻两帧的变化过大，因此会让两相邻帧之间有一段重叠区域。我们设定的重叠区域是15ms，所以就是每隔10ms取一帧。

 

 

3.对每一帧加窗

分帧后马上进行FFT，由于转换时会将帧内信号当作周期信号处理，所以在帧的两个端点处会发生突变，转换出来的频谱与原信号频谱差别很大。所以要对每一帧加窗，使帧内信号作FFT时的两个端点处不会发生突变。

我们采用的窗是汉明窗：（M为帧长，即400）

 

 

4.对每一帧补零

我们要对每一帧信号进行FFT，而FFT要求输入数据长度一定是2^K，现在一帧为400个采样点，所以补零至最接近的512位。

 

5.各帧信号的FFT变换及其功率谱

对分帧加窗后的各帧信号进行512点的FFT变换得到各帧的频谱。并对语音信号的频谱取模平方得到语音信号的功率谱。

 

6.梅尔滤波（通过40个滤波器）

40个三角滤波器在MEL谱上均匀分布，每两个滤波器间有50%的重叠部分。

所以要先把实际频率转换成梅尔频率，实际频率最小为0Hz，最大为16000 / 2 = 8000Hz 

 

转换成梅尔频率后，我们要实现的是40个滤波器，所以计算这40个滤波器的梅尔频率分布，然后把梅尔频率转换成实际频率