根据 MFCC 系数计算流程编写 MFCC 计算函数并用来计算一段语音的 MFCC 系数。 函数定义如下： ccc=NmfccxfspframeSizeinc； 其中x 是输入语音序列Mel 滤波器的个数为 p采样频率为 fsframeSize 为帧长 和 FFT 点数inc 为帧移；ccc 为 MFCC 参数。 试分析与 librosafeaturemfcc 的差异。

MFCC 计算函数的基本流程为：

1. 预加重：对输入语音信号进行预加重处理，增加高频成分的能量，减少低频成分的能量。
2. 分帧：将预加重后的语音信号分帧，每帧长度为 frameSize，帧之间的间隔为 inc。
3. 加窗：对每一帧进行汉宁窗加窗，减少频谱泄漏。
4. 傅里叶变换：对每一帧进行 FFT 变换，得到频域信号。
5. Mel 滤波器组：将频域信号通过 Mel 滤波器组，将能量集中在人耳听觉灵敏度比较高的频率区间。
6. 对数运算：对每个 Mel 滤波器输出进行取对数运算，增强低能量成分的特征，减少高能量成分的影响。
7. DCT 变换：对每个 Mel 滤波器输出进行 DCT 变换，得到 MFCC 系数。

与 librosa.feature.mfcc 的差异在于实现细节和参数设置上。具体来说，librosa.feature.mfcc 函数中使用了更多的参数设置，包括 n_mfcc（MFCC 系数个数）、hop_length（帧移）、n_fft（FFT 点数）、fmin（最低频率）、fmax（最高频率）等；而 MFCC 计算函数中只使用了 Mel 滤波器的个数、采样频率、帧长和帧移这几个参数。另外，librosa.feature.mfcc 函数中还使用了一些特殊的技巧，比如对数谱平滑、提高谱峰分辨率等，使得计算出的 MFCC 系数表现更好。