采用优化MFCC方法进行情绪识别分析（非自定义特征并提供Matlab代码实现）

前提：
MFCC 特征属于声学领域中的一个关键指标（其中语音特性可划分为语义特性和声学特性）。
MFCC 特征同样也是分析语音情感时的重要工具（其中语音情感特性可划分为个性化与非个性化两种类型）。

该方法基于MFCC具有较强的语音情感识别能力，并且考虑到不同说话人的MFCC特征表现出显著差异，在这种情况下仅采用MFCC作为特征进行情感识别的效果往往欠佳。因此需要在此基础上进行相应的优化改进。

首先提取MFCC的动态差分参数。

dt代表在t时刻的一阶微分量；Ct代表该时刻的倒频域系数；Q定义了倒频域系数的级数；其中参数K被设定为1个时间间隔；最后我们决定将K设定为2

将求得的结果再次带入式中可以得到二阶差分参数。

通过计算相关频谱特征及其一阶差分频谱特征与二阶差分频谱特征的平均值，能够获得优化后的MFCC相关频谱特征。该结果可被视为一种语音情感特征。

为了获得有效的语音特征信息，在本研究中我选择了前13阶的MFCC系数，并设置窗宽为0.025秒（即window time为wintime=0.025s），同时计算两次MFCC之间的时差设定为0.01秒（即hop