如何將MFCC係數應用於DTW

Question

我正在嘗試使用Mel頻率倒譜系數（MFCC）和動態時間規整（DTW）來實現語音識別模塊。

我將信號（x（n））劃分爲25ms的幀，重疊10ms，並找出每幀的MFCC參數。 我的主要疑問是如何在這種情況下執行DTW。 假設有M幀和N（13）個MFCC係數。

所以我有一個M×N矩陣。 現在我該如何計算DTW？

Answer 1

MxN的矩陣可以表示爲1D向量MxN長度。

所以，您已通過曼哈頓，歐氏，佈雷-柯蒂斯等距離計算PATTERN1

p1[M*N], len=i, 'silence-HHHEEEEELLLLLOOOOOOOO-silence' sound; 

然後，第二

​​

然後DTW，所得到的輸出2D矩陣，將有最小重量的路徑。