動態時間扭曲比較兩個錄音

Question

我想使用動態時間扭曲來比較兩個錄音的兩個特徵向量（當然，我正在做所有必要的預處理）。我的程序應該以百分比輸出兩個錄音的相似度。例如100％意味着兩個錄音完全相同，錄音越不同，我得到的數字就越少。我如何解決它？ DTW僅給出了路徑的長度或轉換的成本，我不知道如何將這些數字中的一個轉換爲百分比值。

Answer 1

我不知道用百分比衡量的信號之間的任何距離度量。如果有100％的含義，那麼一定有0％的含義。所以首先你需要問自己：0％是什麼意思？

對於DTW，我敢肯定沒有建立最小距離到「百分比匹配」的轉換。如果必須的話，那麼您需要定義一個啓發式數量，它是最小DTW距離的函數。

編輯：其實，如果你有兩個有限長度的錄音，你可以定義一個最長的距離。那將是一條路徑的距離（如果查看成本矩陣的話），然後一直向下，或者一路向下，然後是正確的。最佳路徑，即完美匹配，沿主對角線向下。一個簡單的想法：如果使用（0,1）（1,0）（1,1）作爲候選步驟，可以使用（0,1）和（1,0）所採用的步數，作爲衡量不良的指標。這個測量值肯定有最大值和最小值，因此可以將其映射到一些理想的範圍，如0-100％。