我目前正在研究语音识别。我必须将未知声音的特征（就频率而言）与我们知道的其他声音特征进行比较。
具体来说，我们确定了声音频谱中的“峰值”（=共振峰），它们是该声音特有的（即特征化的）。我们将这些峰值的频率存储为元组。我们记住已知声音的元组。它们有数千（如果不是数十万）。
对于要识别的每个新声音，我们将该声音的元组与已知声音的元组进行比较。这需要做很多比较！
我需要找到一种方法来快速比较这些元组。
我已经查过了，发现这是一个最近邻搜索问题。 但是我不认为我可以使用这些算法。
实际上，元组可以具有不同数量的组件。这些分量只是频率（以 kHz 为单位）。它可以是 (1 ; 2) 或 (1 ; 2.4 ; 4 ; 5 ; 6 ; 7 ; 7.1 ; 11 ; 12.1; 13) （最多 20 个分量）。
所以我的问题是：我没有具有相同“维度”的元组的数据集，我怎样才能找到最近的邻居？
据我了解，为了应用最近邻算法，必须具有相同维度的元组。
谢谢你读我。
祝你今天过得愉快！
编辑：
我不仅需要找到最近的邻居，我实际上还需要找到与我的参考点的距离小于 D 的所有邻居点。
EDIT2：
@random_hacker：不，他们没有。您可以将元组的元素与另一个元组的元素进行比较，前提是这两个元素之间的差异小于阈值。
EDIT3：
你是绝对正确的mathias，我只是输入了一些“随机”的东西。事实上，元组的元素是按频率排序（升序）的，而且元组的每个频率实际上只出现一次。所以 (4 ; 2) 是错误的，应该是 (2 ; 4) 而 (2 ; 2 ; 4) 不存在，它是 (2;4) （不再重复）