Использовал взвешенное на первый mfcc коэфф (у меня он тоже- энергия) евклидово расстояние примерно так
%вычисление расстояний между выборками
%mfсс-коэффициентов.Используем взвешенное расстояние в пространстве
%размерности N*M (N - количество кадров в словарном слове M - количество
%использованных mfcc коэффицентов)
function d = compute_distance(sig, voc)
len = size(voc,2);
d = 0;
scale = 0;
for ii = 1:len
%расстояние как взвешенная сумма расстояний во всех кадрах
d_i = voc(1,ii) * dot(sig(2:end,ii) - voc(2:end,ii),...
sig(2:end,ii) - voc(2:end,ii));
d = d + d_i;
%накапливаем общую энергию слова с словаре
scale = scale + voc(1,ii);
end
d = sqrt(d /scale);
end
sig - то, что принято
voc - словарь
Это дает
а) Независимость от уровня входного сигнала
ь) Кадры (окна), где энергия тестового слова маленькая, учитываются с меньшим весом.
DTW вроде не особо нужно в описанном случае - тестовый фрагмент у вас короткий по времени.
