audio - 动态时间扭曲比较两个录音

Question

我想使用动态时间扭曲来比较两个音频记录的两个特征向量（当然我首先要做所有必要的预处理）。我的程序应该以百分比输出两个录音之间的相似度。例如 100% 意味着两个录音完全相同，录音的差异越大，我得到的数字就越小。我该如何解决？DTW 只给我路径的长度或转换的成本，我不知道如何将这些数字之一转换为百分比值。

Answer 1

我不知道以百分比衡量的信号之间的任何距离度量。如果有 100% 的含义，那么一定有 0% 的含义。所以首先你需要问自己：0% 是什么意思？

对于DTW，我很确定没有将最小距离转换为“百分比匹配”。如果必须，则需要定义一个启发式量，它是最小 DTW 距离的函数。

编辑：实际上，如果你有两个有限长度的录音，你可以定义一个最长的距离。那将是一条路径的距离（如果查看成本矩阵）一直向右然后向下，或者一直向下然后向右。最佳路径，即完美匹配，沿着主对角线。

一个简单的想法：如果使用 (0,1) (1,0) (1,1) 作为候选步骤，您可以使用 (0,1) 和 (1,0) 所采取的步骤数作为衡量坏处。这个度量当然有一个最大值和一个最小值，所以它可以映射到一些理想的范围，比如 0-100%。