VIP20

本课程属于：013-TinyML语音唤醒与关键词识别 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

3. TinyML MFCC特征提取：语音模型前处理核心方法

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

了解TinyML中语音识别的基本流程 · 明确MFCC特征提取在其中的核心地位 · 掌握学习目标与课程框架

课程导入TinyML

语音信号基础

理解声音的物理特性（频率 · 振幅 · 音色）

语音信号基础理解声音的物理特…

预加重处理

掌握预加重滤波器的原理与作用 · 理解如何通过一阶高通滤波器提升高频分… · 并实现预加重代码

预加重处理掌握预加重滤波器…

分帧与加窗

掌握分帧的帧长 · 帧移选择原则 · 理解窗函数（汉明窗

快速傅里叶变换（FFT）

理解FFT的数学原理 · 掌握如何对每一帧信号进行频谱分析 · 并计算功率谱

FFT快速傅里叶变换

梅尔滤波器组设计

掌握梅尔刻度与频率的转换公式 · 理解三角滤波器组的构造方法 · 并设计梅尔滤波器组

梅尔滤波器组设计掌握梅尔刻度

对数能量计算

理解对功率谱应用梅尔滤波器组后取对数… · 掌握对数压缩对动态范围和鲁棒性的影响

对数能量计算理解对功率谱应用…

离散余弦变换（DCT）

理解DCT在MFCC中的作用 · 掌握如何从对数梅尔频谱中提取倒谱系数 · 并保留主要特征

DCT离散余弦变换

MFCC特征向量生成

掌握最终MFCC特征向量的组成（包括… · 一阶差分 · 二阶差分）

MFCC特征向量生成

MFCC参数配置

学习不同参数（滤波器个数 · DCT系数个数 · 帧长

MFCC参数配置

MFCC与人类听觉系统

理解MFCC如何模拟人耳对频率的非线… · 掌握梅尔刻度与听觉心理物理学的关系

MFCC人类听觉系统

MFCC的变体与改进

了解Delta-Delta MFCC · 能量归一化 · CMN/CVN等改进方法

TinyML资源约束分析

分析微控制器上的内存 · 计算能力 · 功耗限制

TinyML资源约束分析

MFCC计算复杂度优化

掌握定点运算 · 查表法 · 快速算法等优化技巧

MFCC计算复杂度优化

MFCC内存管理

学习如何在资源受限环境下管理缓冲区 · 中间结果 · 避免动态内存分配

MFCC内存管理

MFCC在TinyML中的实现框架

了解TensorFlow Lite… · CMSIS-DSP等框架对MFCC的…

基于CMSIS-DSP的MFCC实现

掌握使用ARM CMSIS-DSP库… · 滤波等函数加速MFCC计算 · 并编写高效代码

MFCC特征提取的C语言实现

从零开始用C语言实现MFCC全流程 · 包括预加重 · 分帧

MFCC特征提取的C语言…

MFCC特征提取的Python原型验证

使用Python（NumPy/Sci… · 并与librosa等库对比 · 验证算法正确性

MFCC在语音唤醒词识别中的应用

以“小爱同学”等唤醒词为例 · 展示MFCC特征如何用于关键词识别（…

MFCC语音唤醒词识别

MFCC在语音命令识别中的应用

使用TensorFlow Lite… · 并部署到MCU

MFCC语音命令识别

MFCC与神经网络结合

理解MFCC作为输入特征如何与CNN · RNN等模型结合 · 掌握特征维度与模型输入层的匹配

MFCC神经网络结合

MFCC特征的可视化与调试

学习如何绘制语谱图 · MFCC热力图 · 通过可视化分析特征质量

MFCC特征的可视化

MFCC提取中的常见问题与解决

处理采样率不匹配 · 帧移过大 · 滤波器组边界溢出

MFCC与其它特征对比

对比MFCC与线性预测系数（LPC） · 滤波器组能量（Fbank） · 感知线性预测（PLP）的优缺点

MFCC其它特征对比

MFCC在噪声环境下的鲁棒性增强

学习谱减法 · 均值归一化 · 数据增强等方法

MFCC噪声环境下的鲁棒…

MFCC在TinyML中的端到端案例

完成一个从麦克风采集 · MFCC提取 · 模型推理到输出识别的完整TinyML…

MFCC的硬件加速与低功耗设计

探索使用硬件加速器（如NPU · DSP）或低功耗模式来降低MFCC计…

MFCC的硬件加速

MFCC的实时性优化与性能评估

掌握在MCU上评估MFCC计算时间 · 内存占用 · 精度的方法

MFCC的实时性优化

课程总结与进阶方向

回顾MFCC在TinyML中的核心要… · 探讨未来趋势（如端到端学习 · 神经特征提取）

课程总结进阶方向