基于MFCC的语音情感特征提取系统

资 源 简 介

该项目利用MATLAB平台实现语音信号的梅尔频率倒谱系数（MFCC）提取，旨在通过量化语音的频谱特征来分辨不同的情感状态。 系统首先对采集到的原始语音进行预加重处理以补偿高频损失，接着进行分帧和加窗（如汉明窗）操作，确保信号在短时间内的平稳性。 核心算法通过快速傅里叶变换（FFT）将时域信号转换为频域能量谱，并利用一组梅尔滤波器组模拟人类听觉系统对频率的非线性感知，计算每个滤波器的输出对数能量。 随后通过离散余弦变换（DCT）将其转换为倒谱域，得到反映音色和语调特征的MFCC静态参数。为了捕捉情感表达中的

详 情 说 明

基于MFCC的语音情感特征提取系统

项目介绍

本系统是一个基于MATLAB平台开发的语音情感特征提取工具。它通过模拟人类听觉感知的频率特性，从原始语音信号中提取梅尔频率倒谱系数（MFCC）。该系统不仅涵盖了基础的静态特征提取，还通过计算一阶和二阶差分参数捕捉语音的动态变化，从而为后续的情感分类（如愤怒、快乐、忧伤等）提供高维度的量化特征支撑。

功能特性

1. 自动化的预处理流程，包括预加重、分帧和加窗处理。
2. 实现了完整的梅尔滤波器组构建算法，模拟人耳非线性频率感知。
3. 提取39维复合特征向量，包含13维静态系数、13维一阶差分（Delta）和13维二阶差分（Delta-Delta）。
4. 具备特征统计分析功能，自动计算所有帧特征的均值与方差。
5. 强大的可视化输出，直观展示时域信号、滤波器组分布、特征图谱及统计分布图。

系统要求

1. 运行环境：MATLAB R2016b 或更高版本。
2. 工具箱：建议安装 Signal Processing Toolbox（信号处理工具箱）。
3. 硬件要求：普通PC即可，建议内存4GB以上。

实际实现功能与逻辑说明

系统的核心逻辑遵循标准的语音处理流水线，具体步骤如下：

1. 参数初始化：系统默认采用16000Hz采样率，设置帧长为25ms，帧移为10ms。通过512点FFT确保频率分辨率，并设计26个梅尔滤波器用于提取前13位倒谱系数。

1. 语音信号模拟：代码中生成了一个持续2秒的模拟语音信号，该信号由不同频率的正弦波与高斯白噪声组成，并经过归一化处理，确保系统在没有外部录音文件时也能直接演示运行。

1. 预处理：

- 预加重：使用高通滤波器（系数0.97）补偿语音信号在高频段的能量衰减。 - 分帧：将连续信号切割为重叠的帧，以满足短时平稳性要求。 - 加窗：对每一帧应用汉明窗（Hamming Window），有效减少FFT过程中的频谱泄露。

1. 频域分析：

- 功率谱计算：对每一帧进行快速傅里叶变换（FFT），计算其功率谱能量分布。 - 梅尔滤波：构建三角滤波器组，将线性频率刻度转换为梅尔刻度。通过将功率谱映射到滤波器组，计算每个滤波器频带内的对数能量。

1. 倒谱特征提取：

- 离散余弦变换（DCT）：对对数能量执行DCT操作，将能量分布从频域转换到倒谱域，解耦频谱包络与细节，提取前13维作为静态MFCC特征。

1. 动态特征计算：

- 调用特定的差分算法，利用前后两帧的跨度估算线性回归斜率。 - 依次计算13维静态特征的一阶差分和二阶差分，最终合并成39维的特征矩阵。

1. 统计与可视化：

- 计算所有帧的特征均值和标准差，这通常作为情感识别模型的输入输入向量。 - 绘制四个面板的图形窗口：时域波形图、梅尔滤波器组频率响应图、39维特征图谱图（热图形式）以及特征分布统计柱状图。

关键算法与实现细节分析

1. 预加重滤波器实现：通过一阶FIR滤波器 y(n) = x(n) - αx(n-1) 实现，旨在提升高频信噪比。

1. 梅尔刻度转换算法：系统使用公式 f_mel = 2595 * log10(1 + f/700) 进行频率转换。在构建三角滤波器时，精确地将梅尔刻度下的均匀分布映射回FFT的索引位置，确保了频谱权重的准确性。

1. 差分系数计算逻辑：在计算Delta参数时，系统采用了窗口长度为2的线性斜率估计。为了处理边界帧，算法使用了对称填充（Padding）技术，确保起始帧和结束帧也能获得准确的动态参数。

1. 倒谱压缩：通过离散余弦变换（DCT）消除了滤波器组输出之间的相关性。由于情感信息主要集中在低阶系数中，系统特意保留了前13维，这既压缩了数据量又保留了核心的音质特征。

1. 特征融合：系统通过水平拼接（Concatenation）将静态、一阶、二阶特征组合。这种39维的配置是语音识别和情感监测领域的标准做法，能够同时兼顾语音的瞬时频谱和时间演变规律。