引言
感知實驗表明，人耳對於聲音信號的感知聚焦於某一特定頻率區域內，而非在整個頻譜包絡中。耳蝸的濾波作用是在對數頻率尺度進行的，在1000Hz以下為線性，在1000Hz以上為對數，這就使得人耳對低頻比高頻更敏感。
心理物理學研究表明，人類對語音信號頻率內容的感知遵循一種主觀上定義的非線性尺度，該非線性標度可被稱為“Mel”標度。
MFCC是將人耳的聽覺感知特性和語音產生機制相結合，因此目前大多數語音識別系統廣泛使用這種特征。對頻率軸不均勻划分是MFCC特征區別於前面普通倒譜特征的最重要的特點，變換到Mel域后，Mel帶通濾波器組的中心頻率是按照Mel刻度均勻排列的。
語音的MFCC特征是基於人耳感知實驗得到，將人耳當成特定的濾波器，只考慮某些特定頻率成分。這些濾波器是在頻域上不均勻分布的。更多的濾波器聚集於低頻部分，高頻部分的濾波器較少。采樣率16Khz時，下圖實例：
MFCC計算及其意義
MFCC是一種倒譜特征，計算意義見下圖：
其中，對於聲音信號，一般會進行分幀后再提取特征，利用不同的窗函數實現。
MFCC可以描述為：【Spectrum → Mel-Filters → Mel-Spectrum】
先計算當前幀數據的頻譜（通過FFT）得到短時譜，再經過mel濾波器濾波，輸出對數MEL能量譜，經過DCT去相關，得到MFCC系數（此時特征維數由DCT系數數目決定）。
mel三角帶通濾波器有兩個主要目的：對頻譜進行平滑化，並消除諧波的作用，突顯原先語音的共振峰。（因此一段語音的音調或音高，是不會呈現在 MFCC 參數內，換句話說，以 MFCC 為特征的語音辨識系統，並不會受到輸入語音的音調不同而有所影響） 此外，還可以降低運算量。
其中，經過對數操作之后，有同態信號處理的意思。
經過特征提取，語音信號可以通過一系列的倒譜向量表示。