基于MFCC系數(shù)的距離測(cè)量

所需項(xiàng)目文件以及語料我放在了自己的github上了:基于MFCC系數(shù)的距離測(cè)量

1 簡(jiǎn)介

1.1 本地文檔簡(jiǎn)介

• 語料：包含本次實(shí)驗(yàn)所需要的語料
• Code：包含了本次實(shí)驗(yàn)的matlab代碼
  • pr3_3_2.m 主程序，計(jì)算兩個(gè)語音之間的匹配比較
  • mfcc_m.m 計(jì)算語音的MFCC特征
  • mel_dist.m Mel距離，基于歐氏距離
  • mfccDate.mat 提取的MFCC數(shù)據(jù)，24維
• photo 實(shí)驗(yàn)結(jié)果截圖

1.2 距離度量簡(jiǎn)介

距離度量（Distance）用于衡量個(gè)體在空間上存在的距離，距離越遠(yuǎn)說明個(gè)體間的差異越大。歐氏距離是最常見的距離度量，衡量的是多維空間中各個(gè)點(diǎn)之間的絕對(duì)距離。公式如下：

$$\mathrm{dist}(X,Y)=\sqrt{\sum _{i=1}^n{\left(x_i?y_i\right)}^2}$$
因?yàn)橛?jì)算是基于各維度特征的絕對(duì)數(shù)值，所以歐氏度量需要保證各維度指標(biāo)在相同的刻度級(jí)別，比如對(duì)身高（cm）和體重（kg）兩個(gè)單位不同的指標(biāo)使用歐式距離可能使結(jié)果失效。

for i=1 : fn1 % 計(jì)算s1與s2之間每幀的Mel距離Cn1=Ccep1(i,:);Cn2=Ccep2(i,:);Dstu=0;for k=1 : numDstu=Dstu+(Cn1(k)-Cn2(k))^2;endDcep(i)=sqrt(Dstu); % 每幀的Mel距離 end

2 同一個(gè)樣本不同人發(fā)音(字)

2.1 語料介紹

語音是“唐”字的發(fā)音，由兩個(gè)人發(fā)音組成，為了實(shí)驗(yàn)方便，將兩個(gè)語音長(zhǎng)度統(tǒng)一，采樣率為44100Hz。

2.2 matlab代碼

% % pr3_3_2 clear all; clc; close all;%[x1,fs]=audioread('D:\Desktop\學(xué)習(xí)匯報(bào)\語料\元音\i1.wav'); % 讀入信號(hào)s1-\i1\ %x2=audioread('D:\Desktop\學(xué)習(xí)匯報(bào)\語料\元音\i2.wav'); % 讀入信號(hào)s2-\i2\ [x1,fs]=audioread('D:\Desktop\學(xué)習(xí)匯報(bào)\語料\同一個(gè)樣本不同人發(fā)音\tang01.wav'); x2=audioread('D:\Desktop\學(xué)習(xí)匯報(bào)\語料\同一個(gè)樣本不同人發(fā)音\tang02.wav'); x3=audioread('D:\Desktop\學(xué)習(xí)匯報(bào)\語料\元音\a1.wav'); % 讀入信號(hào)a1-\a1\ wlen=1479;%200 % 幀長(zhǎng) inc=626; %80 % 幀移 x1=x1/max(abs(x1)); % 幅值歸一化 x2=x2/max(abs(x2)); x3=x3/max(abs(x3)); % 計(jì)算/i1/與/i2/之間的匹配比較 [Dcep,Ccep1,Ccep2]=mel_dist(x1,x2,fs,16,wlen,inc);fprintf('/tang01/與/tang02/之間的mel平均距離是%d\n',mean(Dcep)); figure(1) plot(Ccep1(8,:),Ccep2(8,:),'k+'); hold on plot(Ccep1(14,:),Ccep2(14,:),'kx'); plot(Ccep1(24,:),Ccep2(24,:),'k^'); plot(Ccep1(30,:),Ccep2(30,:),'kh'); % plot(Ccep1(3,:),Ccep2(3,:),'k+'); hold on % plot(Ccep1(7,:),Ccep2(7,:),'kx'); % plot(Ccep1(12,:),Ccep2(12,:),'k^'); % plot(Ccep1(16,:),Ccep2(16,:),'kh'); legend('第8幀','第14幀','第24幀','第30幀','Location','NorthWest') %legend({'第3幀','第7幀','第12幀','第16幀'},2) xlabel('信號(hào)tang01');ylabel('信號(hào)tang02') axis([-12 12 -12 12]); line([-12 12],[-12 12],'color','k','linestyle','--'); title('/tang01/與/tang02/之間的MFCC參數(shù)匹配比較')

2.3 結(jié)果顯示

每個(gè)音都有34幀，我從其中選擇了4幀來繪圖，把兩個(gè)音在這些幀中前16個(gè)MFCC參數(shù)顯示出來。從圖中可以看出，兩個(gè)音是較匹配的，他們的系數(shù)總體分布在$45^{\circ}$線附近。

不同人說同一個(gè)字平均歐氏距離：

/tang01/與/tang02/之間的mel平均距離是2.316534e+01

3 同一個(gè)樣本同一個(gè)人發(fā)音

3.1 語料介紹

語音是“i”字的發(fā)音，由同一個(gè)人發(fā)音組成，為了實(shí)驗(yàn)方便，將兩個(gè)語音長(zhǎng)度統(tǒng)一，采樣率為8000Hz。分為19幀，幀長(zhǎng)200，幀移80.

2.2 實(shí)驗(yàn)結(jié)果

每個(gè)音都有19幀，我從其中選擇了4幀來繪圖，把兩個(gè)音在這些幀中前16個(gè)MFCC參數(shù)顯示出來。從圖中可以看出，兩個(gè)音是較匹配的，他們的系數(shù)分布在$45^{\circ}$線附近。

同一個(gè)樣本同一個(gè)人發(fā)音平均歐氏距離：

/i1/與/i2/之間的mel平均距離是7.171738e+00

4 同一個(gè)人不同樣本(單音節(jié))

4.1 語料介紹

語音是“b”、"c"的發(fā)音，由同一個(gè)人發(fā)音組成，為了實(shí)驗(yàn)方便，將兩個(gè)語音長(zhǎng)度統(tǒng)一，采樣率為16000Hz。分為24幀，幀長(zhǎng)1479，幀移626.

4.2 實(shí)驗(yàn)結(jié)果

每個(gè)音都有24幀，從圖中可以看出，兩個(gè)音是不匹配的，他們的系數(shù)分布較廣。

同一個(gè)人不同樣本平均歐氏距離(單音節(jié))：

/a/與/b/之間的mel平均距離是2.968683e+01

5 同一個(gè)人不同樣本(字)

4.1 語料介紹

語音是“唐”、"維"的發(fā)音，由同一個(gè)人發(fā)音組成，為了實(shí)驗(yàn)方便，將兩個(gè)語音長(zhǎng)度統(tǒng)一，采樣率為44100Hz，分為34幀.

4.2 實(shí)驗(yàn)結(jié)果

從圖中可以看出，兩個(gè)音是不匹配的，他們的系數(shù)分布較廣。

同一個(gè)人不同樣本平均歐氏距離(字)：

/tang02/與/wei/之間的mel平均距離是2.259611e+01

6 總結(jié)

6.1 歐氏距離總結(jié)

不同人說同一個(gè)樣本平均歐氏距離(字)：2.316534e+01 同一個(gè)人不同樣本平均歐氏距離(字)：2.259611e+01 同一個(gè)人不同樣本平均歐氏距離(單音節(jié))：2.968683e+01 同一個(gè)樣本同一個(gè)人發(fā)音平均歐氏距離(單音節(jié))：7.171738e+00

歐氏距離不適合比較單字或者單音節(jié)

6.2 MFCC系數(shù)總結(jié)

如果是同一個(gè)字或者同一個(gè)音節(jié)，MFCC系數(shù)總體都分布在$45^{°}$線附近，適合做實(shí)驗(yàn)比較。

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的基于MFCC系数的欧氏距离测量的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。