基于MFCC系数的欧氏距离测量

基于MFCC系数的距离测量

所需项目文件以及语料我放在了自己的github上了:基于MFCC系数的距离测量

1 简介

1.1 本地文档简介

• 语料：包含本次实验所需要的语料
• Code：包含了本次实验的matlab代码
  • pr3_3_2.m 主程序，计算两个语音之间的匹配比较
  • mfcc_m.m 计算语音的MFCC特征
  • mel_dist.m Mel距离，基于欧氏距离
  • mfccDate.mat 提取的MFCC数据，24维
• photo 实验结果截图

1.2 距离度量简介

距离度量（Distance）用于衡量个体在空间上存在的距离，距离越远说明个体间的差异越大。

欧氏距离是最常见的距离度量，衡量的是多维空间中各个点之间的绝对距离。公式如下：

$$\mathrm{dist}(X,Y)=\sqrt{\sum _{i=1}^n{\left(x_i-y_i\right)}^2}$$
因为计算是基于各维度特征的绝对数值，所以欧氏度量需要保证各维度指标在相同的刻度级别，比如对身高（cm）和体重（kg）两个单位不同的指标使用欧式距离可能使结果失效。

for i=1 : fn1                   % 计算s1与s2之间每帧的Mel距离
    Cn1=Ccep1(i,:);
    Cn2=Ccep2(i,:);
    Dstu=0;
    for k=1 : num
        Dstu=Dstu+(Cn1(k)-Cn2(k))^2;
    end
    Dcep(i)=sqrt(Dstu);         % 每帧的Mel距离
end

2 同一个样本不同人发音(字)

2.1 语料介绍

语音是“唐”字的发音，由两个人发音组成，为了实验方便，将两个语音长度统一，采样率为44100Hz。

2.2 matlab代码

%
% pr3_3_2 
clear all; 
clc; close all;

%[x1,fs]=audioread('D:\Desktop\学习汇报\语料\元音\i1.wav');      % 读入信号s1-\i1\
%x2=audioread('D:\Desktop\学习汇报\语料\元音\i2.wav');           % 读入信号s2-\i2\
[x1,fs]=audioread('D:\Desktop\学习汇报\语料\同一个样本不同人发音\tang01.wav');
x2=audioread('D:\Desktop\学习汇报\语料\同一个样本不同人发音\tang02.wav'); 
x3=audioread('D:\Desktop\学习汇报\语料\元音\a1.wav');           % 读入信号a1-\a1\
wlen=1479;%200                       % 帧长
inc=626; %80                        % 帧移
x1=x1/max(abs(x1));             % 幅值归一化
x2=x2/max(abs(x2));
x3=x3/max(abs(x3));
% 计算/i1/与/i2/之间的匹配比较
[Dcep,Ccep1,Ccep2]=mel_dist(x1,x2,fs,16,wlen,inc);

fprintf('/tang01/与/tang02/之间的mel平均距离是%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帧','第14帧','第24帧','第30帧','Location','NorthWest')
%legend({'第3帧','第7帧','第12帧','第16帧'},2)
xlabel('信号tang01');ylabel('信号tang02')
axis([-12 12 -12 12]);
line([-12 12],[-12 12],'color','k','linestyle','--');
title('/tang01/与/tang02/之间的MFCC参数匹配比较')

2.3 结果显示

每个音都有34帧，我从其中选择了4帧来绘图，把两个音在这些帧中前16个MFCC参数显示出来。从图中可以看出，两个音是较匹配的，他们的系数总体分布在$45^{\circ}$线附近。

不同人说同一个字平均欧氏距离：

/tang01/与/tang02/之间的mel平均距离是2.316534e+01

3 同一个样本同一个人发音

3.1 语料介绍

语音是“i”字的发音，由同一个人发音组成，为了实验方便，将两个语音长度统一，采样率为8000Hz。分为19帧，帧长200，帧移80.

2.2 实验结果

每个音都有19帧，我从其中选择了4帧来绘图，把两个音在这些帧中前16个MFCC参数显示出来。从图中可以看出，两个音是较匹配的，他们的系数分布在$45^{\circ}$线附近。

同一个样本同一个人发音平均欧氏距离：

/i1/与/i2/之间的mel平均距离是7.171738e+00

4 同一个人不同样本(单音节)

4.1 语料介绍

语音是“b”、"c"的发音，由同一个人发音组成，为了实验方便，将两个语音长度统一，采样率为16000Hz。分为24帧，帧长1479，帧移626.

4.2 实验结果

每个音都有24帧，从图中可以看出，两个音是不匹配的，他们的系数分布较广。

同一个人不同样本平均欧氏距离(单音节)：

/a/与/b/之间的mel平均距离是2.968683e+01

5 同一个人不同样本(字)

4.1 语料介绍

语音是“唐”、"维"的发音，由同一个人发音组成，为了实验方便，将两个语音长度统一，采样率为44100Hz，分为34帧.

4.2 实验结果

从图中可以看出，两个音是不匹配的，他们的系数分布较广。

同一个人不同样本平均欧氏距离(字)：

/tang02/与/wei/之间的mel平均距离是2.259611e+01

6 总结

6.1 欧氏距离总结

不同人说同一个样本平均欧氏距离(字)：2.316534e+01
同一个人不同样本平均欧氏距离(字)：2.259611e+01
同一个人不同样本平均欧氏距离(单音节)：2.968683e+01
同一个样本同一个人发音平均欧氏距离(单音节)：7.171738e+00

欧氏距离不适合比较单字或者单音节

6.2 MFCC系数总结

如果是同一个字或者同一个音节，MFCC系数总体都分布在$45^{\circ }$线附近，适合做实验比较。