咳嗽的自動分類在臨床上具有重要的輔助診斷作用。傳統的Mel頻率倒譜系數(MFCC)采用Mel均勻濾波器組, 高頻段的濾波器分布較稀疏, 未能最大程度反映兩類咳嗽的特征差別。針對這個問題, 本文在分析干性咳嗽和濕性咳嗽頻譜能量分布特點的基礎上, 提出了一種改進的反向MFCC提取方法, 采用反向Mel刻度上的均勻濾波器組, 并放置在兩類咳嗽都具有高頻譜能量的頻段, 使得特征提取集中在兩類咳嗽特征信息豐富且差別顯著的頻段進行。基于隱馬爾可夫模型的咳嗽干濕性自動分類實驗結果表明, 該方法獲得了優于傳統MFCC的分類性能, 總體分類準確率從89.76%提高到了93.66%。