MFCC(Mel-frequency cepstral coefficients):梅尔频率倒谱系数。梅尔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。梅尔频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。主要用于语音数据特征提取和降低运算维度。

【语音识别】基于MFCC实现声纹识别matlab源码.md

代码中的melcepts.m直接可以用来提取MFCC，MFCC是Mel-Frequency Cepstral Coefficients的缩写，顾名思义MFCC特征提取包含两个关键步骤：转化到梅尔频率，然后进行倒谱分析

语音识别，matlab代码，隐马尔科夫，voice recognition

1.对语音数据归一化 如16000hz的数据，会将每个点/32768 2.计算窗函数：（*注意librosa中不进行预处理） 3.进行数据扩展填充，他进行的是镜像填充（”reflect”) 如原数据为 12345 -》 填充为4的，左右各填充4 即：5432123454321 即：5432-12345-4321 4.分帧 5.加窗：对每一帧进行加窗， 6.进行fft傅里叶变换 librosa中fft计算，可以使用.net中的System.Numerics MathNet.Numerics.IntegralTransforms.Fourier.Forward(FFT_frame, Fourier

这个pdf描述了倒谱系数、梅尔频率、梅尔倒谱系数法的原理，及为什么需要使用这种方法进行描述语音信号，并且为什么这种方法可以识别语音信号。

Matlab MFCC音乐特征匹配与DTW算法识别（含GUI设计）项目的源代码，时间有点久了代码可能没有上传全，不保证使用效果，仅供学习参考。GUI在MATLAB中已废弃，不推荐使用，最好改用APP Designer。

Matlab拥有丰富的工具箱以及内置函数，本文在简要介绍语音识别的基础上，介绍了一种基于Matlab GUI语音感知的照明控制系统设计思想，同时给出实现方法，达到了人与计算机零距离交流的目的。主要功能有语音信号的特征提取、训练、识别与功能指示等。端点检测依靠能量与过零率的双门限检测法，可以减少数据量与处理时间；特征提取采用Mel频率倒谱系数（MFCC），识别采用改进的DTW模板匹配，提高了识别效率。本文设计的控制系统能成功实现语音识别，并根据语音内容执行命令，同时显示识别结果，精准实时控制模拟家居照明。

基于svm的情感识别系统，有gui界面，特征提取是用mfcc,matlab源码

语音_识别_系统 简单的 MFCC + HMM 语音识别系统。 还没有完成。