我正在尝试根据我找到的这篇论文（http://arxiv.org/pdf/1003.4083.pdf）计算 MFCC 算法，所以到目前为止我所做的是：
步骤 1) 预加重
步骤 2) 构图
步骤 3) 汉明窗
步骤 4) 快速傅里叶变换
步骤 5) 梅尔滤波器组处理
步骤 6)：离散余弦变换
基本上，我使用了 Mel Bank 滤波器并将它们与实际的原始信号相乘。然后我对这些结果执行 FFT，如下所示：
帧 1 上的 FFT：
然后我计算了 FFT 的 DCT，结果如下所示：
帧 1 上的 DCT：
到目前为止这看起来正确吗？有没有办法让我检查一下，以便我知道我正朝着正确的方向前进？
另外，我需要获得 13 个系数，但我不知道如何确定要获得哪些。我得到 256 个值，那么我要取前 13 个值吗？或者，我得到总能量了吗？
我希望有一个人可以帮助我。
经过几天的类似搜索，我偶然发现了一个非常有用的关于如何获得 MFC 系数的教程：梅尔频率倒谱系数 (MFCC) 教程
（虽然线程很旧，但我希望答案可能对未来的读者有所帮助）
我对你刚刚写的东西感到困惑。我唯一需要知道的是我已将信号分成帧，n = 100，m = 256（我相信）这会产生大约 390 个块，所以，每个块有 13 个系数还是整个块只有 13 个系数声音？
答案是每个块有 13 个系数，而不是整个声音文件。
并且您计算 mfcc 系数的方法是错误的，您应该按照您提到的 1-6 个步骤进行操作。
步骤 1) 对整个声音文件进行预加重。
步骤 2) 对整个声音文件进行构图以获得许多块
步骤 3) 每个块的汉明窗口
步骤 4) 每个块的快速傅里叶变换
步骤 5) 每个块的 Mel 滤波器组处理
步骤 6)：每个块的离散余弦变换
不，你错了。
您需要在 FFT 之后计算 mel 滤波器组能量的对数，然后才应用 DCT。滤波器组的能量数量应该在 20 或 40 左右，在 DCT 之后你应该得到 20 或 40 个数字，然后取前 13 个。
您对 FFT 所做的一切都是错误的。
您可能想阅读一些 MFCC 代码而不是从头开始做某事，那里有很多实现，例如在 sphinxbase 中：