所以我知道什么是 MFCC（梅尔频率倒谱系数）。但我需要了解每个值是什么......是某种声音频率值还是什么？
假设我们有这种矩阵。所以每一行代表一帧的系数，但这些数字是多少？可能是最高频率还是什么？
【问题讨论】：
标签： neural-network speech-recognition mfcc
倒谱通常是通过计算一帧语音的（对称）对数功率谱的离散余弦变换得出的；在这里，对数功率谱 [曲线] 被视为一个信号 (https://en.wikipedia.org/wiki/Mel-frequency_cepstrum)。因此，倒谱系数是序列/曲线（表示对数功率谱）和不同“频率”的余弦波之间相似性的度量。倒谱系数捕获该序列的值变化的速率。
第一个倒谱系数是对数功率谱与[周期]余弦波的点积，该余弦波的一个周期在频域中的原点（f=0）开始，到f=2*Pi弧度结束（或等效地，采样频率）。举例说明：元音的对数功率谱在低频区域（f=0 附近）具有高能量，而在高频区域（f=Pi 附近）具有低能量。换言之，在元音的情况下，[0,Pi] 范围内的对数功率谱曲线的斜率具有负斜率。由于对数功率谱的这种变化类似于上述余弦波的变化，因此元音语音帧的第一倒谱系数将具有正值。相反，清音擦音（如 /s/）的倒谱[1] 将具有负值，因为其对数功率谱由于低频能量低、高频能量高以及低频能量显着而具有正斜率由于配音。
类似地，如果在 f=Pi/2 处的对数功率谱中有一个主谷，倒谱[2] 将为正。浊音擦音（例如：/z/）的对数功率谱将接近这样的描述，因为由于声音的擦音特性，在高频处存在大量能量。当然，倒谱[0] 是对数功率谱值的平均值；它捕捉信号的音量/响度。
【讨论】：