MFCC 特征的提取过程
答案要点
- 预加重:一阶高通滤波补偿高频,如 y[n] = x[n] − 0.97x[n−1]
- 分帧加窗:常用 20–30ms 帧长、约 10ms 帧移,乘汉明窗减少频谱泄漏
- 每帧做 FFT 后取功率谱
- Mel 三角滤波器组:低频密高频疏,模拟人耳感知,得到滤波器能量
- 取对数后做 DCT 去相关,常保留前 12–13 维,可加一阶、二阶差分
易错点
- 漏掉取对数,或把 DCT 和 FFT 的顺序弄反
- 说不清 Mel 滤波器模拟人耳感知的意义
- 不知道分帧加窗是因为语音的短时平稳性
面试官常见追问
- Mel 刻度是什么?
- 为什么深度学习里常用 Fbank 而不是 MFCC?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。