我使用TIDigits数据库进行语音识别，该数据库包含来自不同发言者（多个文件）的从零到九的数字。
我需要从每个帧中提取39个MFCC特征，并将它们组合在一个矩阵（特征矩阵）中进行分类。我为每个文件做了框架和窗口化，这为每个文件生成了不等数量的帧。
由于语音文件的长度不同，我遇到的问题是帧数不同。
如何在不使用统计公式的情况下处理此问题？
答案 0 :(得分：0)
我在处理音频时最近也遇到过这个问题。我所做的基本上是通过修剪长MFCC功能来匹配较短的功能。这对我来说很有用。
答案 1 :(得分：0)
假设您想要将不同长度的矢量存储在一起，您有几个逻辑选项：