我会以相反的顺序回答你的问题。

4： DTW（Dynamic Time Warping）不是库，而是算法。它允许通过及时扭曲它们来对齐两个序列。您可以将它用于几乎任何类型的顺序数据，可以为其定义度量（距离）。通常，您计算两个序列的每个点之间的距离，并生成一个累积距离的大矩阵。最后，选择产生最小最终成本的路径作为最优路径。

下面是两个 1D 信号的示例：是指数扫描正弦波，是具有恒定频率的正弦波。目标是及时扭曲，使其尽可能接近下图显示了这种对齐的结果。信号已被拉伸以匹配。然而，比$\color{blue} {x_1}$$\color{orange} {x_2}$$\color{orange} {x_2}$$\color{blue} {x_1}$$\color{orange} {x_2}$$\color{blue} {x_1}$$\color{orange} {x_2}$$\color{blue} {x_1}$，因此它必须在最后填充。底部的子图显示了每帧距离的演变，其中最终值是累积成本 - 正是您在比较中使用的东西。从这个示例中，您可以立即看到 DTW 的一些限制。

总结一下，这里是完整的 DTW 矩阵以及最佳路径。

3 & 2：这是一个距离，所以越低越好。可能的最低距离为，这可以在以下情况下实现：$0$

• 两个信号完全相同
• 一个信号是另一个信号的延伸版本，例如[0, -1, 0, 1, 0]和[0, -1, 0, 0, 1, 1, 0]。

1：正如我之前提到的，DTW 比较每个点之间的距离，然后累积导致该点的所有操作的成本——产生最小成本的路径对应于最佳对齐。

就相似性而言，如果拉伸或压缩某些部分将使每帧的 MFCC 向量之间的差异最小化，则信号将被视为彼此接近。

这些答案可能与您相关：单击、单击、单击。