动态时间扭曲以比较两个录音

Question

我想使用动态时间扭曲来比较两个音频录制的两个特征向量(当然我先做所有必要的预处理).我的程序应以百分比形式输出两个录音之间的相似性.例如,100%意味着两个录音完全相同,录音越多,我得到的数字越少.我该如何解决这个问题？DTW只给出了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

我不知道通过百分比测量的信号之间的任何距离度量.如果含义为100%,那么必须有0%的含义.首先你需要问自己:0%是什么意思？

对于DTW,我很确定没有已建立的最小距离到"百分比匹配"的转换.如果必须,则需要定义一个启发式数量,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.这将是一条路径的距离(如果查看成本矩阵)一直向下然后向下,或者一直向下然后向右.最佳路径,即完美匹配,沿着主对角线向下.

一个简单的想法:如果使用(0,1)(1,0)(1,1)作为步骤候选,您可以使用(0,1)和(1,0)所采取的步数作为度量不良.该度量当然具有最大值和最小值,因此可以将其映射到某些期望的范围,例如0-100%.