梅尔频率倒谱系数（MFCC）理论整理

主要图形：时域图、频谱图、语谱图
https://blog.csdn.net/yongchunaq/article/details/36227961

基础参考博客：https://blog.csdn.net/zouxy09/article/details/9156785
https://blog.csdn.net/qq_28006327/article/details/59129110

主要知识要点：STFT（短时傅里叶变换）、梅尔频谱（Mel Bank Features）与梅尔倒谱（MFCCs）
傅里叶变换数学理论的扩展阅读：https://www.zhihu.com/question/21040374

提取MFCC特征的过程：
（1）（2） 为了将时域图变为频谱图

1）先对语音进行预加重、分帧和加窗；
语音的预加重：去除口唇辐射的影响，增加语音的高频分辨率
元音能量主要集中在1KHz以下，并且以6dB/十倍频的速度下降，可以使用欲加重技术增强高频能量，这在回声消除以及语音识别中的特征提取（共振峰， LPC）中用到，声道的终端是口和唇，口唇辐射对低频影响比较小，但是对高频段影响比较大，欲加重技术技术为了提升高频分辨率

分帧和加窗的理解：https://www.zhihu.com/question/52093104

2）对每一个短时分析窗，通过FFT得到对应的频谱；

3）将上面的频谱通过Mel滤波器组得到Mel频谱；

4）在Mel频谱上面进行倒谱分析（取对数，做逆变换，实际逆变换一般是通过DCT离散余弦变换来实现，取DCT后的第2个到第13个系数作为MFCC系数），获得Mel频率倒谱系数MFCC，这个MFCC就是这帧语音的特征；