在类似频率的变换（傅里叶、离散余弦、沃尔什）中，通常以一系列系数结束，这些系数在基向量（时间段，图像中的二维补丁）的支持下解释每个频率分量。如果您有一个频率分量位于支撑的一半，而另一半为零，或者相反，您通常会得到相同的绝对值系数。MFCC 属于这种情况：

基于线性余弦变换的声音的短期功率谱。

关于局部性的信息通常可以在相位或系数的符号中进行追踪，但在复杂情况下难以阅读，并且不保留绝对值或幂。

首先，您对问题有一个误解，我建议您先对其进行编辑：论文https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/TASLP2339736-proof.pdf是根本不是由 Hinton 创作的。

二、他们的说法

至于频率，MFCC 的常规使用确实存在一个主要问题，因为离散余弦变换将频谱能量投射到可能无法保持局部性的新基中

他们只是没有正确地表达自己。问题不是 DCT，而是在 MFCC 方案中，您通常会在 DCT 结果中删除一些系数。从 DCT 后的 40 个变换系数中，您只需取 13 个并丢弃其余的。他们取而代之的是全部 40 个，并且不应用 DCT 变换来获取更多信息。但他们没有解释清楚，他们的“地方性”完全没有意义。