看了网上的很多MFCC，依然没能够学号MFCC，因此糊了一段时间详细的看了下MFCC的内容。现在也算是对于MFCC有了更深入的理解了。
不管是语音识别还是其他的一系列的识别大体都分为三个步骤，1、输入信号的预处理2、特征值提取3、相关算法的识别与分类。MFCC算是语音识别中特征值提取一种方法，其他的还有LPCC等一系列的特征值提取方法。我在进行语音识别的过程中我采用的就是MFCC特征值的提取，在后面识别算法中我采用的是支持向量机算法。下面是MFCC在matlab上的完整代码，基本上每一句都有相应的注释。
[voice,fs]=wavread('1.wav');%读取WAV格式的语音信号；
%数据的前期处理，以及参数的设置为了后面第四与第五歩的计算
dvoice=double(voice);%转化为double类型；
voicematrix=melbankm(24,256,fs,0,0.5,'t');%24表示后面的三角滤波器是24阶，后面每帧是256点，0和0.5是默认值，t表示滤波器是三角滤波器；
%melbankm返回的是一个系数矩阵，包含滤波器的振幅；
voicematrix=full(voicematrix);%将稀疏矩阵转化为全矩阵，方便后面的计算；
voicematrix=voicematrix/max(voicematrix(:));%矩阵数据归一化，减少计算量；
%设置三角滤波器以及输出MFCC参数的阶数
for k=1:12 %设置MFCC的输出向量的阶数
n=0:23;%三角滤波器的阶数
dctcoef(k,:)=cos((2*n-1)*k*pi/(2*24));%DCT离散余弦变换的的公式
end
w=1+6*sin(pi*(1:12)./12);%归一化倒谱提升窗口
w=w/max(w);%归一化
%1:预处理
dvoice=filter([1-0.9375],1,dvoice);%预加重通过一个高通滤波器；
%2：分帧
dvoice=enframe(dvoice,256,80);%分帧处理，每一帧采样256点，帧移80；
for i=1:size(dvoice,1);%获得一共分的帧个数；
tvoice=dvoice(i,:);%提取每一帧语音；
%3:加汉明窗
hvoice=tvoice'.*hamming(256);%每一帧语音加上汉明窗；
%4：快速傅里叶变换
fvoice=abs(fft(hvoice));%加窗后的没一帧语音进行fft快速傅里叶变换；
fvoice=fvoice.^2;%语音谱取模平方得到功率谱；
%5:三角带通滤波器滤波加上，离散余弦变换；
mvoice=dctcoef*log(voicematrix*fvoice(1:129));
mvoice2=mvoice.*w';%将12阶的系数同比例的缩小，减少运算量的
mfccmatrix(i,:)=mvoice2';
%mfccmatrix(i,:)=mvoice';
end
%6：一阶差分提取动态特征
dimfccmatrix=zeros(size(mfccmatrix));
for i=3:size(mfccmatrix,1)-2
dimfccmatrix(i,:)=-2*mfccmatrix(i-2,:)-mfccmatrix(i-1,:)+mfccmatrix(i+1,:)+2*mfccmatrix(i+2,:);
end
dimfccmatrix=dimfccmatrix/3;
%7:二阶差分提取动态特征
ddimfccmatrix=zeros(size( dimfccmatrix));
for i=3:size(dimfccmatrix,1)-2
ddimfccmatrix(i,:)=-2* dimfccmatrix(i-2,:)- dimfccmatrix(i-1,:)+ dimfccmatrix(i+1,:)+2* dimfccmatrix(i+2,:);
end
ddimfccmatrix= dimfccmatrix/3;
totalmatrix=[mfccmatrix, dimfccmatrix, ddimfccmatrix];%合并mfcc参数和动态参数；
totalmatrix=totalmatrix(3:size(mfccmatrix,1)-2,:);%去除首尾两帧，这两帧差分为零；
totalmatrix
