Question

我正在编写语音识别代码。我有一个 n 数据库，每个数据库包含不同人员记录的相同数量的单词。

我想在xcorr之间进行，例如，参考词＆＃34;你好＆＃34;用＃34;你好＆＃34;中的所有单词db和＆＃34; door＆＃34;中的所有单词db然后代码必须告诉我它是哪个单词。我需要做一些数学模型才能做出决定。

现在，我知道同一个词之间的自相关具有对称图。但如果我比较一下这个词＆＃34;你好＆＃34;一位男性用同一个词说，一个女性说的是不对称的，如果我比较一下这个词，我就会得到同样的结果＆＃34;你好＆＃34;用＃34;门＆＃34;。

我的问题是：如何找到执行xcorr功能的两个单词之间的相似之处？我是否需要找到xcorr的滞后或最大值？

感谢您的帮助。

Answer 1

我的问题是：如何找到执行xcorr功能的两个单词之间的相似之处？我是否需要找到xcorr的滞后或最大值？

要测量与单个单词录音的相似度，您需要取最大值，它是一个相似度量

但如果我比较一下这个词＆＃34;你好＆＃34;一位男性用同一个词说，一个女性说的是不对称的，如果我比较一下这个词，我就会得到同样的结果＆＃34;你好＆＃34;用＆＃34;门＆＃34;。

要对样本属于哪个类做出最佳决策，您需要比较两个集群的相似性度量：

max(xcorr(sample, hello)) < > max(xcorr(sample, door)

这背后的理论称为贝叶斯最优分类＆＃34;。

如果你有更多的单词样本，你可以做出更好的决定：

 max_sample(max_lag(xcorr(sample, hello_sample_i)) < > max_sample(max_lag(xcorr(sample, door_sample_i))

我正在编写语音识别代码。

语音样本是随时间变化的，xcorr对时间变化不是不变的。更好的衡量标准是语音频谱的DTW距离。您可以在此处找到DTW距离实施：

DTW对时移是不变的，因此您可以做出更可靠的决定。