倒谱是表示一帧语音数据特征的一个序列。从periodogram estimate of the power spectrum计算得到的倒谱系数，可以用于基音追踪（pitch tracking），然而，从AR power spectral estimate计算得到的倒谱系数可以用于语音识别（现在已经被MFCCs所替代）。
One of the benefits of cepstrum and LPCCs over e.g. LPCs is that you can do cepstral mean subtraction (CMS) on cepstral coefficients to remove channel effects。
倒谱（Cepstrum）是什么？
这一节将会描述如何从功率谱的periodogram estimate来计算倒谱。首先，我们介绍自相关系数（autocorrelattion），然后，介绍如何使用类似的方法来计算倒谱。最后，我们介绍LPCCs的相关知识。
倒谱可以看做和自相关序列类似的东西。如果，我们获得了信号的功率谱，我们可以使用Wiener-Khinchin theorem来计算信号的自相关序列。用数学公式表示为：
\(x(n)\)
是信号的时域表示，
\(X(k)\)
是信号的复数谱，
\(P(k)\)
是信号的功率谱，
\(A(n)\)