1、原来的方案：

(1)采用MFCC(梅尔倒谱)作为音频的特征

(2)采用DTW算法计算两段音频的距离，然后根据距离判断这两个音频是否是同一个音

方案的问题：经过实际数据验证，发现不同人读相同内容，计算出的距离会比较大。可能是因为我们对于MFCC每个维度的特征是同等对待的，有些特征可能是跟发音人者的音色相关度比较大，跟内容相关度小。

2、优化的方案：

根据之前的猜测，我们假设对于某个音节，可能有几个维度的特征跟其他音节差别特别大，我们需要找到这几个特征。基于这个假设，我们采用穷举法从13个特征中找到最能区分音节的特征组合。

代码如下：

# -*- coding: utf-8 -*-

import os

import numpy as np

from scikits.audiolab import wavread

import scikits.talkbox

import fastdtw

from scikits.talkbox import features

from scikits.talkbox.features import mfcc

weight=[0,1,1,1,1,1,1,1,1,1,1,1,1]

fdict={}

def getfeature(x):

if(fdict.has_key(x)):

return fdict[x]

else:

data, fs, enc=wavread(x)

temp=mfcc(data)[0]

fdict[x]=temp

return temp

def mydist(a, b):

i_dist=0

i_len=0

for i in range(13):

if(weight[i]>0):

i_dist=i_dist+abs(a[i]-b[i])

i_len=i_len+1

return i_dist/i_len

def dist(mf1, mf2):

re=fastdtw.fastdtw(mf1, mf2, 1, mydist)[0]

return re

def calcsimilar(x, y):

fx=getfeature(x)

fy=getfeature(y)

d = dist(fx, fy)

return d

# 获取指定路径下所有指定后缀的文件

# dir 指定路径

# ext 指定后缀，链表&不需要带点 或者不指定。例子：['xml', 'java']

def GetFileFromThisRootDir(rootdir,filelist):

for i in os.listdir(rootdir):

filepath = os.path.join(rootdir,i)

if os.path.isdir(filepath):

GetFileFromThisRootDir(filepath, filelist)

elif i.endswith('.wav') and os.path.exists(filepath):

filelist.append(filepath)

def calcfactor(path, name, template):

ftemplate=getfeature(template)

files=[]

min_dist=999999

max_dist=0

GetFileFromThisRootDir(path, files)

for filename in files:

f=getfeature(filename)

d=dist(f,ftemplate)

if name+".wav" in filename:

if(d>max_dist):

max_dist=d

else:

if(d

min_dist=d

return (min_dist-max_dist)/max_dist

def train(path, name, template):

dist=-99999

re_i=-1

re_j=-1

re_m=-1

re_n=-1

for n in range(13):

for m in range(13):

for i in range(13):

for j in range(13):

for k in range(13):

weight[k]=1

weight[i]=0

weight[j]=0

weight[m]=0

weight[n]=0

d=calcfactor(path, name, template)

print d

if(d>dist):

dist=d

re_i=i

re_j=j

re_m=m

re_n=n

return dist, re_i, re_j, re_m, re_n