本文实例为大家分享了梅尔倒谱系数实现代码，供大家参考，具体内容如下 @author: zoutai @file: mymfcc.py @time: 2018/03/26 @description: from matplotlib.colors import BoundaryNorm import librosa import librosa.display import numpy import scipy.io.wavfile from scipy.fftpack import dct import matplotlib.pyplot as plt import numpy

主要为大家详细介绍了梅尔倒谱系数(MFCC)实现，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

提出了一种基于梅尔倒谱系数统计特征和卷积神经网络的电子变调语音检测算法。首先提取待测语音的梅尔倒谱系数及其差分系数，并将上述系数的统计特征进行有针对性的构造，作为卷积神经网络的输入。从卷积核尺寸、卷积核个数以及池化层尺寸等方面，对24种不同网络结构进行了测试评估，最终确定了可有效用于变调检测的卷积神经网络结构。实验结果表明，所提出的算法能够有效地检测出电子变调的痕迹，并可准确估计出电子变调语音经过的具体伪造操作，为电子变调语音的检测提供了一种新的方法。

用于语音信号特征提取，MATLAB语音处理工具包，包含频率尺度变换，fft变换等

matlab中对分帧端点检测后的语音信号进行梅尔特征参数提取，用matlab软件打开可直接使用

基于Matlab的声纹锁，利用MFCC作为特征，利用VQ矢量量化方法进行数据处理，再结合欧式距离做模式匹配，最终实现文本相关的声纹锁。

本代码实现读入语音信号，提取该信号的梅尔倒谱系数，为后面的声音模板匹配打基础

项目包含全部的代码，实现wav格式的语音信号的MFCC特征提取。