语音识别-特征提取：概述

语音识别的第一步就是语音特征提取，语音信号是在人体中肺. 喉. 声道等器官构成的语音产生系统中产生的，它是一个高度不平稳的信号，它的幅度谱和功率谱也随着时间不停的变化，但是在足够短的时间内，其频谱特征相当平稳，因此在进行语音分析时，我们多采用分帧的方式进行短时分析，查看多篇文章中，使用帧长为25ms，帧移为10ms的方式进行分帧，并且计算出每帧内的功率谱进行其他的操作。功率谱在一些特征提取技术中得到应用，比如MFCC. Fbank，查询多篇文章，了解了几种被广泛应用个的特征提取技术，他们的特性不同也就决定了他们有着不同的应用范围，因此，对下面这几款常用的方法都进行基本的理解。

1. 短时能量
2. 短时过零率
3. Fbank
4. MFCC
5. LPC
6. LPCC
7. LSF
8. DWT
9. PLP
10. CQT

对于Fbank和MFCC这两种方式，放到一起进行总结，因为MFCC=MFCC+DCT。

• Fbank：Filter Bank，也就是指使用梅尔滤波器组。
• MFCC：Mel-Frequency cepstral cofficients，梅尔频率倒谱系数。
• DCT：Discrete Cosine Transform，离散余弦变换。

MFCC的实现过程如下：

---

---

---

参考资料：