Audio 动态时间扭曲以比较两次录音

我想使用动态时间扭曲来比较两个录音的两个特征向量，当然我首先要做所有必要的预处理。我的程序应该以%为单位输出两次录音之间的相似性。例如，100%意味着两次录音完全相同，录音越不相同，我得到的数字就越少。我该怎么做？DTW只给出路径长度或转换成本，我不知道如何将其中一个数字转换为百分比值。

我不知道信号之间的任何距离度量是以百分比度量的。如果有100%的含义，那么必须有0%的含义。所以首先你需要问自己：0%是什么意思

对于DTW，我非常确定没有将最小距离转换为匹配百分比的既定转换。如果必须，则需要定义一个启发式数量，该数量是最小DTW距离的函数

编辑：实际上，如果你有两个有限长的录音，你可以定义一个最长的距离。这就是一条路径的距离，如果一直往下看成本矩阵，或者一直往下看，然后再往下看。最佳路径，即完美匹配，沿着主对角线向下

---

一个简单的想法是：如果使用0,1,0 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坏的度量。这个度量肯定有一个最大值和一个最小值，因此它可以映射到一些理想的范围，如0-100%。

我不知道信号之间有任何以百分比度量的距离度量。如果有100%的含义，那么必须有0%的含义。所以首先你需要问自己：0%是什么意思

对于DTW，我非常确定没有将最小距离转换为匹配百分比的既定转换。如果必须，则需要定义一个启发式数量，该数量是最小DTW距离的函数

编辑：实际上，如果你有两个有限长的录音，你可以定义一个最长的距离。这就是一条路径的距离，如果一直往下看成本矩阵，或者一直往下看，然后再往下看。最佳路径，即完美匹配，沿着主对角线向下

---

一个简单的想法是：如果使用0,1,0 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坏的度量。此度量肯定有一个最大值和一个最小值，因此可以将其映射到某个理想的范围，如0-100%。

0%可能意味着记录在DTW路径的无限长度上是无限不同的。当然，在实践中，我永远不会得到0%。但让我重新表述一下这个问题——我需要做什么才能使DTW路径的长度彼此直接可比？当然，因为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路径的长度为用户提供基于百分比的评分。我需要一些方法来规范化结果路径的长度。有什么想法吗？@pako Hi，在我用R语言对比两次录音的过程中，我已经仔细考虑了你的问题，从一个月以来一直在尝试，但没有成功&我需要你的帮助，在这个问题上，你说我首先要做所有必要的预处理。在比较音频文件之前，我可以知道需要执行哪些预处理步骤吗。我需要你的经验来完成我的R语言工作，请指导我的工作步骤，以便我可以使用我的技术来完成它。抱歉打扰了uMy邮箱nalamdinesh@gmail.com如果在这里解释太长的话Thankyou@Pako请根据我的理解水平提供详细信息，因为我是音频处理、信号处理领域的新手，希望你能理解我的情况。0%可能意味着录音在DTW路径的无限长度上是无限不同的。当然，在实践中，我永远不会得到0%。但让我重新表述一下这个问题——我需要做什么才能使DTW路径的长度彼此直接可比？当然，因为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路径的长度为用户提供基于百分比的评分。我需要一些方法来规范化结果路径的长度。有什么想法吗？@pako Hi，在我用R语言对比两次录音的过程中，我已经仔细考虑了你的问题，从一个月以来一直在尝试，但没有成功&我需要你的帮助，在这个问题上，你说我首先要做所有必要的预处理。在比较音频文件之前，我可以知道需要执行哪些预处理步骤吗。我需要你的经验来完成我的R语言工作，请指导我的工作步骤，以便我可以使用我的技术来完成它。抱歉打扰了uMy邮箱nalamdinesh@gm

---

如果在这里解释的时间太长，请访问ail.comThankyou@Pako请根据我的理解水平提供详细信息，因为我是音频处理、信号处理领域的新手，希望你了解我的情况。