【发布时间】：2011-01-11 04:49:06
【问题描述】：
我想使用动态时间扭曲来比较两个音频记录的两个特征向量（当然，我会先进行所有必要的预处理）。我的程序应该以百分比输出两个录音之间的相似度。例如 100% 意味着两个录音完全相同，录音的差异越大，我得到的数字就越小。我该如何解决？ DTW 只给我路径的长度或转换的成本，我不知道如何将这些数字之一转换为百分比值。
【问题讨论】：
标签： audio wav signal-processing audio-recording
【发布时间】：2011-01-11 04:49:06
【问题描述】：
我不知道以百分比衡量的信号之间的任何距离度量。如果有 100% 的含义，那么一定有 0% 的含义。所以首先你需要问自己：0% 是什么意思？
对于 DTW，我很确定没有将最小距离转换为“百分比匹配”的既定转换。如果必须，则需要定义一个启发式量，它是最小 DTW 距离的函数。
编辑：实际上，如果您有两个有限长度的记录，您可以定义一个最长距离。那将是一条路径的距离（如果查看成本矩阵）一直向右然后向下，或者一直向下然后向右。最佳路径，即完美匹配，沿着主对角线。
一个简单的想法：如果使用 (0,1) (1,0) (1,1) 作为候选步骤，您可以使用 (0,1) 和 (1,0) 所采取的步骤数作为衡量坏的程度。这个度量当然有一个最大值和一个最小值，所以它可以映射到一些理想的范围，比如 0-100%。
【讨论】：
-
0% 可能意味着录音是无限不同的（DTW 路径的无限长度）。所以当然在实践中我永远不会得到 0%。但是让我重新表述这个问题——我需要做什么才能使 DTW 路径的长度直接相互比较？当然，我比较的录音长度越大，我得到的路径就越长。
-
所以我不能直接使用 DTW 路径的长度来为用户提供基于百分比的评分。我需要一些方法来首先标准化生成路径的长度。有什么想法吗？
-
@pako 嗨，我在搜索“使用 R 语言比较两个录音”时已经解决了你的问题，并且自 1 个月以来一直在尝试，但没有运气，我需要你的帮助，在你说的问题“我先做所有必要的预处理。”我能知道在比较音频文件之前需要完成哪些预处理步骤吗？我需要您的经验来完成我的 R 语言工作，请指导我完成工作的步骤，以便我可以使用我的技术完成它。很抱歉打扰你（我的邮箱地址 nalamdinesh@gmail.com 以防这里解释太长）谢谢你
-
@Pako，请按照我可以理解的水平提供详细信息，因为我是音频处理，信号处理领域的初学者，希望您了解我的情况。