MFCC倒谱系数

1.       什么是MFCC?

MFCC是Mel频率倒谱系数（melfrequency cepstrum,MFCC）的缩写，Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。MFCC则是利用它们之间的这种关系计算得到频率特征，MFCC已经广泛应用在语音识别领域。由于Mel频率与Hz频率之间非线性的对应关系，使得MFCC随着频率的提高，其计算精度随之下降。因此，在应用中常常只使用低频MFCC，而丢弃中高频MFCC。

2.       MFCC提取流程

MFCC参数的提取包括一下几个步骤：

1)        预滤波：CODEC前端带宽为300-3400Hz的抗混叠滤波器。

2)        A/D变换：8kHz的采样频率，12bit的线性量化精度。

3)        预加重：通过一个一阶有限激励响应高通滤波器，使信号的频谱变得平坦，不易受到有限字长效应的影响。

4)        分帧：根据语音的短时平稳特性，语音可以以帧为单位进行处理，实验中选取的语音帧长为32ms，帧叠为16ms。

5)        加窗：采用哈明窗对一帧语音加窗，以减小吉布斯效应的影响。

6)        快速傅立叶变换：将时域信号变换成为信号的功率谱。

7)        三角窗滤波器：用一组Mel频标上线性分布的三角窗滤波器（共24个三角窗滤波器），对信号的功率谱滤波，每一个三角波滤波器覆盖的范围都近似于人耳的一个临界带宽，以此模拟人耳的掩蔽效应。

8)        求对数：三角窗滤波器组的输出求取对数，可以得到近似于同态变换的结果。

9)        离散余弦变换（DCT）：去除各维信号之间的相关性，将信号映射到低微空间。

10)    谱加权：由于倒谱的低阶参数易受说话人特性、信道特性等的影响，而高阶参数的分辨能力比较低，所以需要进行谱加权，抑制其低阶和高阶参数。

11)    倒谱均值减（CMS）：CMS可以有效地减小语音输入信道对特征参数的影响。

12)    差分参数：大量实验表明，在语音特征中加入表征语音动态特性的差分参数，能够提高系统的识别性能，在本系统中，也用到了MFCC参数的一阶差分参数和二阶差分参数。

13)    短时能量：语音的短时能量也是重要的特征参数，在本系统中我们采用了语音的短时归一化对数能量及其一阶差分、二阶差分参数。

3.       MFCC特征提取流程图