将MFCC特征向量与DTW进行比较

Posted 2021-03-28

我正在寻找关于动态时间扭曲（DTW）的一些建议。

我有一个Python脚本，并从各种长度的.WAV文件中提取Mel-Frequency倒谱系数（MFCC）特征向量。特征向量是包含12个MFCC的阵列的不同长度的阵列。

例如，一个.WAV文件可以由包含10组12个特征向量的阵列表示，而另一个.WAV文件可以由包含20组12个特征向量的一个阵列表示。

我打算用DTW比较两个数组的数组，但我不确定如何。我理解DTW的概念，如果数组中包含的特征向量是单个数字，那么实现它是没有问题的，我的困惑是由于它们是数组。

Tl;博士：如何使用DTW比较两个阵列阵列？

编辑：我读过this问题无济于事。

非常感谢，亚当

答案

有一个nice tutorial on DTW here

我已经在十几篇论文中做过这一点，请参阅zebra finch example here

一个关键的事情需要注意。您可能只想将一个特征向量与相应的特征向量进行比较。使用全部12种是很有用的。

另一答案

在here有一个非常好的例子。

在python中使用DTW包，可以计算两个Mel频率倒谱系数（MFCC）特征向量之间的DTW。

虽然看起来他们在教程中使用了相同长度的音频，但它可以使用可变长度的音频。

换句话说，我的阵列是（3183,12）和（3130,12）形状，它工作得很好。

即使我完全不了解你的目的，我认为最好分别计算每个系数的DTW。

在这种情况下，您可以使用this示例。

如果你正在尝试进行语音识别，here就是另一个例子。