我一直在研究语音识别，我决定采用 MFCC 方法来解决这个检测某人是在说“是”还是“否”的问题。如前所述（到目前为止我的步骤）：

• 读入音频文件
• 将音频信号拆分成块（600 个样本，30 毫秒长）
• 剥离不需要考虑的块（总能量/过零）

所以我将根据这篇论文构建MFCC ，它有以下步骤：

1. 预加重
2. 框架
3. 汉明窗
4. 快速傅里叶变换
5. 梅尔滤波器组处理
6. 离散余弦变换
7. Delta 能量和 Delta 光谱

这对我来说很有意义（有点），我将研究这些步骤中的每一个。但是我应该在这个问题的顶部对我已经完成的结果块执行 MFCC（步骤 1、2、3），或者，我是否应该不执行这些步骤而只是从头开始计算 MFCC我还能实现隐马尔可夫模型吗？

另一个问题是，如果我将信号拆分为“帧”（二维向量），生成的 MFCC 将是二维向量还是一维向量？

希望有人可以提供帮助:)！