DTW算法（语音识别）

DTW主要是应用在孤立词识别的算法，用来识别一些特定的指令比较好用，这个算法是基于DP（动态规划）的算法基础上发展而来的。这里介绍语音识别就先介绍下语音识别的框架，首先我们要有一个比对的模版声音，然后需要去截取其里面包含真正属于语音的部分，这个要采用一个叫做vad（voice activedetection）语音活动检测的算法，而在vad中间我们最常使用双门限端点检测这种方法，如图所示，我们采用vad判断语音的开始和结束，判断方法就是通过音量的大小做一个阈值判定，在时域上很简单就能判定。

图.speech（语音信号），Energy（短时能量），zcr（短时过零率值）

然后需要寻找一个特征矢量，在语音识别中很多采用MFCC，也就是梅尔倒谱这个参数作为特征矢量。一般的谱分析我们都是采用频谱，或者小波这样与频谱的区别只是不同量度，这些都是解决加性噪声的滤波问题，而还存在倒谱，阶次谱这样是为了特定的需求所构建的另外的谱方法，这些是在NI的探讨会上次说的。倒谱是一种为了滤除乘性噪声的谱方法，简单的说就是对功率谱求log，再反傅里叶变换，公式如 ，这种方法用来做信号分离很有用，下面综合下matlab分析下DTW语音识别。

  fname = sprintf('%da.wav',i);

    x=fname;

   [x,fs]=wavread(x);

    [x1 x2] =vad(x);

    m = mfcc(x);

m = m(x1-2:x2-2,:);