メル周波数ケプストラム係数 (MFCC) は、サウンド処理の分野、特に音声認識と話者認識で広く使用されているテクノロジーです。これは 1980 年に Davis と Mermelstein によって提案され、音の周波数の非線形メル スケールの対数エネルギー スペクトルの線形変換に基づいています。
メル ケプストラム係数 (MFCC) は、メル周波数ケプストラムを構成する係数であり、オーディオ クリップのケプストラムから導出され、通常の対数ケプストラムに使用される周波数帯域よりも等間隔に配置されます。のバンドは、人間の聴覚系により近似しています。この非線形表現は、オーディオ圧縮などの多くの分野で音声信号のより良い表現につながります。 MFCC の計算プロセスは、オーディオ ファイルの読み込み、プリエンファシス、フレーミング、ウィンドウ処理、フーリエ変換、メル フィルター バンクによるメル スペクトルの取得、メル スペクトルのケプストラム解析の実行などのステップに大別できます。 MFCC には通常 12 個の係数が含まれており、これらの係数はフレーム エネルギーと重ね合わされて 13 次元の係数を取得し、音声の各フレームの特性を記述するために使用されます。