语音识别部分特征提取提取的是什么特征参数啊？

语音识别中的特征提取过程通常采用Mel频率倒谱系数（Mel-frequency cepstral coefficients，MFCC）作为特征参数。MFCC是一种能够有效捕捉语音信号中频率和振幅信息的特征参数，通常由以下几个步骤构成：

预加重：对原始语音信号进行预加重，以强调高频部分，减少低频部分对后续分析的影响。

分帧：将预加重后的语音信号分为多个帧，通常每帧长为20-30ms。

加窗：对每个语音帧进行汉宁窗（或其他窗函数）处理，以减少分析过程中频谱泄漏的影响。

傅里叶变换：将每个窗口内的语音信号转换成频域信号，得到每帧的功率谱。

Mel滤波器组：将功率谱映射到Mel频率刻度上，并使用一组Mel滤波器对每个频率区间进行滤波。

对数变换：对Mel滤波器组的输出进行对数变换，以增强低振幅信号的辨别能力。

离散余弦变换：对经过对数变换的信号进行离散余弦变换（DCT），得到MFCC特征系数。

MFCC特征系数通常取前12-13个系数作为特征向量，可以用于语音识别中的模式匹配和分类等任务。在实际应用中，还可能需要对MFCC特征向量进行降维、归一化、加权等处理，以进一步提高识别精度。