如何在MFCC系数数组上执行DTW？

Question

目前我正在MATLAB中从事语音识别项目。我已经拍摄了两个语音信号，并提取了相同的MFCC系数。据我所知，我现在应该计算两者之间的欧几里德距离，然后应用DTW算法。这就是为什么我计算了两者之间的距离并获得了一系列距离。所以我的问题是如何在结果数组上实现DTW？

这是我的MATLAB代码：

清除所有;关闭所有; CLC;

% Define variables
Tw = 25;                % analysis frame duration (ms)
Ts = 10;                % analysis frame shift (ms)
alpha = 0.97;           % preemphasis coefficient
M = 20;                 % number of filterbank channels 
C = 12;                 % number of cepstral coefficients
L = 22;                 % cepstral sine lifter parameter
LF = 300;               % lower frequency limit (Hz)
HF = 3700;              % upper frequency limit (Hz)
wav_file = 'Play.wav';  % input audio filename
wav_file1 = 'Next.wav';


% Read speech samples, sampling rate and precision from file
[ speech, fs, nbits ] = wavread( wav_file );
[ speech1, fs, nbits ] = wavread( wav_file1 );

% Feature extraction (feature vectors as columns)
[ MFCCs, FBEs, frames ] = ...
                mfcc( speech, fs, Tw, Ts, alpha, @hamming, [LF HF], M, C+1, L );
[ MFCC1s, FBEs, frames ] = ...
                mfcc( speech1, fs, Tw, Ts, alpha, @hamming, [LF HF], M, C+1, L );

L = pdist2(MFCCs, MFCC1s, 'euclidean');

Answer 1

免责声明：我不是matlab用户。

我认为你的陈述中可能存在误解“我现在应该计算两者之间的欧几里德距离然后应用DTW算法”。

使用DTW的要点是你必须比较两个系列（wav 1和wav 2的MFCCs系列），并且两个wavs的持续时间可能不同，所以你最终会得到两组不同的MFCCs矢量尺寸。 DTW可帮助您比较两个MFCC系列，无论其大小如何（请参阅https://en.wikipedia.org/wiki/Dynamic_time_warping）。

因此，例如，如果你已经提取了waves 1的3个MFCC特征向量，并且wav 2有5个MFCC特征向量，通过应用DTW，你可以比较它们，从而有效地获得它们之间的差异或距离。你不必在“DTW之前”计算距离，你使用DTW来计算它（实际上，我不知道如何计算不同长度系列之间的距离）。

就像我在开始时说的那样，我不是一个matlab用户，但是快速谷歌搜索“matlab dtw”向我指出了这篇文章：https://www.mathworks.com/help/signal/ref/dtw.html，其中他们引用了dtw()：

  dist = dtw(x,y) stretches two vectors, x and y, onto a common set of
  instants such that dist, the sum of the Euclidean distances between
  corresponding points, is smallest

Answer 2

我建议使用标准欧几里德距离而不是欧几里德，因为de MFCC系数在每个维度上具有不同的范围。

例如，如果您有以下2维向量A（500,4），B（504,4）和C（502,3），则使用欧氏距离将得到dist（A，C）dist（A，B） ，因为每个尺寸距离都标准化为它的平均值。因此，您将（504-500）/ 502 <（4-3）/3.5

因此，对于MFCC，最好使用此标准化步骤来改善结果。