解读简单正弦波的MFCC输出含义

1. MFCC输出代表什么？ #

MFCC（梅尔频率倒谱系数）是模拟人耳对声音的感知特性提取的音频特征。它先把音频频谱映射到梅尔刻度（人耳对低频更敏感、高频分辨率更低的非线性频率刻度），再通过倒谱变换得到一组紧凑的系数。每个系数对应不同梅尔频段的能量分布特征，用来捕捉音频的音色、频率轮廓这类核心听觉信息，而非直接对应原始的频率值。

2. 200Hz的频率在输出中如何体现？ #

200Hz属于低频段，在梅尔刻度上会被前几个梅尔滤波器精准捕捉。在MFCC输出里，前1-2个系数会出现明显的能量峰值——因为梅尔滤波器对低频的分辨率更高，200Hz的能量会集中在对应低频滤波器的响应中，经过倒谱变换后，这种能量分布就体现在靠前的MFCC系数上，间接反映了200Hz的存在。

3. MFCC热力图中三行颜色的含义？ #

热力图的每一行对应一个MFCC系数（这里是前3个系数），颜色的深浅（或明暗，取决于配色方案）代表该系数的数值大小：颜色越突出（比如越亮或越深），表示对应梅尔频段的能量越高、特征越显著。三行分别对应三个不同的梅尔频段组合，颜色的变化反映了这段音频中，不同频段的能量随时间的波动情况。

4. 频率改为400Hz时，MFCC输出为何会发生变化？ #

400Hz和200Hz落在梅尔刻度的不同频段，对应的梅尔滤波器完全不同：400Hz对应的滤波器位置比200Hz更靠后，因此激活的MFCC系数也会偏移（比如从第1个系数转移到第2-3个），同时系数的数值大小也会因为频段能量分布的改变而变化。最终整个MFCC向量的特征分布会和200Hz时明显不同，这就是输出变化的原因。

内容的提问来源于stack exchange，提问作者codeDom