基于MFCC系數的距離測量

所需項目文件以及語料我放在了自己的github上了:基于MFCC系數的距離測量

1 簡介

1.1 本地文檔簡介

• 語料：包含本次實驗所需要的語料
• Code：包含了本次實驗的matlab代碼
  • pr3_3_2.m 主程序，計算兩個語音之間的匹配比較
  • mfcc_m.m 計算語音的MFCC特征
  • mel_dist.m Mel距離，基于歐氏距離
  • mfccDate.mat 提取的MFCC數據，24維
• photo 實驗結果截圖

1.2 距離度量簡介

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

$$\mathrm{dist}(X,Y)=\sqrt{\sum _{i=1}^n{\left(x_i?y_i\right)}^2}$$
因為計算是基于各維度特征的絕對數值，所以歐氏度量需要保證各維度指標在相同的刻度級別，比如對身高（cm）和體重（kg）兩個單位不同的指標使用歐式距離可能使結果失效。

for i=1 : fn1 % 計算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 同一個樣本不同人發音(字)

2.1 語料介紹

語音是“唐”字的發音，由兩個人發音組成，為了實驗方便，將兩個語音長度統一，采樣率為44100Hz。

2.2 matlab代碼

% % pr3_3_2 clear all; clc; close all;%[x1,fs]=audioread('D:\Desktop\學習匯報\語料\元音\i1.wav'); % 讀入信號s1-\i1\ %x2=audioread('D:\Desktop\學習匯報\語料\元音\i2.wav'); % 讀入信號s2-\i2\ [x1,fs]=audioread('D:\Desktop\學習匯報\語料\同一個樣本不同人發音\tang01.wav'); x2=audioread('D:\Desktop\學習匯報\語料\同一個樣本不同人發音\tang02.wav'); x3=audioread('D:\Desktop\學習匯報\語料\元音\a1.wav'); % 讀入信號a1-\a1\ wlen=1479;%200 % 幀長 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tang01');ylabel('信號tang02') axis([-12 12 -12 12]); line([-12 12],[-12 12],'color','k','linestyle','--'); title('/tang01/與/tang02/之間的MFCC參數匹配比較')

2.3 結果顯示

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

不同人說同一個字平均歐氏距離：

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

3 同一個樣本同一個人發音

3.1 語料介紹

語音是“i”字的發音，由同一個人發音組成，為了實驗方便，將兩個語音長度統一，采樣率為8000Hz。分為19幀，幀長200，幀移80.

2.2 實驗結果

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

同一個樣本同一個人發音平均歐氏距離：

/i1/與/i2/之間的mel平均距離是7.171738e+00

4 同一個人不同樣本(單音節)

4.1 語料介紹

語音是“b”、"c"的發音，由同一個人發音組成，為了實驗方便，將兩個語音長度統一，采樣率為16000Hz。分為24幀，幀長1479，幀移626.

4.2 實驗結果

每個音都有24幀，從圖中可以看出，兩個音是不匹配的，他們的系數分布較廣。

同一個人不同樣本平均歐氏距離(單音節)：

/a/與/b/之間的mel平均距離是2.968683e+01

5 同一個人不同樣本(字)

4.1 語料介紹

語音是“唐”、"維"的發音，由同一個人發音組成，為了實驗方便，將兩個語音長度統一，采樣率為44100Hz，分為34幀.

4.2 實驗結果

從圖中可以看出，兩個音是不匹配的，他們的系數分布較廣。

同一個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

6.1 歐氏距離總結

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

歐氏距離不適合比較單字或者單音節

6.2 MFCC系數總結

如果是同一個字或者同一個音節，MFCC系數總體都分布在$45^{°}$線附近，適合做實驗比較。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

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內容，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站內容還不錯，歡迎將生活随笔推薦給好友。