将MFCC特征向量与DTW进行比较

Question

我正在寻找关于动态时间扭曲（DTW）的一些建议。

我有一个Python脚本，并从各种长度的.WAV文件中提取Mel频率倒谱系数（MFCC）特征向量。特征向量是包含12个MFCC的阵列的不同长度的阵列。

例如，一个.WAV文件可以由包含10组12个特征向量的数组表示，而另一个.WAV文件可以由包含20组12个特征向量的一个数组表示。

我打算使用DTW来比较两个数组阵列，但我不确定如何。我理解DTW的概念，如果数组中包含的特征向量是单个数字，那么实现它就没有问题，我的困惑是由于它们是数组。

Tl; dr：如何使用DTW比较两个阵列数组？

编辑：我已阅读this个问题但无效。

非常感谢， 亚当

Answer 1

有一个nice tutorial on DTW here

我已经在十几篇论文中完成了这项工作，请参阅zebra finch example here

需要注意的关键事项。您可能只想将一个特征向量与相应的特征向量进行比较。很难使用全部12个。

Answer 2

here中有一个非常好的示例。

使用python中的DTW包，您可以计算两个梅尔频率倒谱系数（MFCC）特征向量之间的DTW。

即使在本教程中看起来他们使用了相同长度的音频，它在变长音频中也能正常工作。

换句话说，我的数组的形状分别是（3183，12）和（3130，12），而且效果很好。

即使我不完全了解您的目的，我认为最好分别计算每个系数的DTW。

在这种情况下，您可以使用this示例。

如果您要进行语音识别，here是另一个示例。