动态时间规整算法

 

动态时间规整 DT W

动态 时间 规整 DTW(dynamic time warping) 曾经是语音识 别的一种主流方法。

其 思想是：由于 语音信号是一种具有相当大随机性的信 号，即使相同说话者对相同的词，每一次发音的结果 都是不同的，也不可能具有完全相同的时间长度。因 此在与已存储模型相匹配时，未知单词的时间轴要不 均匀地扭曲或弯折，以使其特征与模板特征对正。用 时间规整手段对正是一种非常有力的措施，对提高系 统的识别精度非常有效。

动态时间规整 DTW 是一个典型的优化问题，它用满足一 定条件的的 时间规整函数 W(n) 描述输入模板和参考模 板的时间对应关系，求解两模板匹配时累计距离最小 所对应的规整函数。

™ 将时间规整与距离测度结合起来，采用动态规划技 术，比较两个大小不同的模式，解决语音识别中语 速多变的难题；

™ 一种非线性时间规整模式匹配算法；

DTW ( Dynamic Time Warping ) ，即「 动态时间扭曲 」或是 「 动态时间规整 」。 这 是一套根基 于 「 动态规划 」（ Dynamic Programming ， 简称 DP ）的方法，可以有效地 将搜寻比对的 时间 大幅降低。

DTW 的目 标 就是要找出 两个 向量之 间 的最短 距离 。一般而 言， 对于两个 n 维空间 中的向量 x 和 y ，它 们之间 的 距离 可以 定义为两点之间的直线距离 ， 称为 尤拉 距离 （ Euclidean Distance ）。

dist( x , y ) = | x – y | ，

但是如果向量的 长度 不同，那它 们之间的距离 ，就 无法 使用 上 述 的 数学 式來 计算 。一般而言，假設 这两个 向量的元素 位置 都 是代表 时间 ， 由于我们 必須容忍在 时间轴 的偏差，因此 我们 並 不知道 两个 向量的元素 对应关系 ，因此 我们 必須靠 着 一套有效 的 运算 方法，才可以找到最佳的 对应

关系 。

DTW 是 用于与说话人有关 （ Speaker Dependent ）的 语音识别 ，使用者自行 录音 然 后 再以自己的 声音 來 比对 之前 录好 的 语音资 料 。

此方法比較 适合 同一位 说话人 的 声音 來 进行 比 較，因此 应用范围比较狭隘 ， 譬如 目前 手机 Name Dialing 等等。

DTW 的问题：

™ 运算量大；

™ 识别性能过分依赖于端点检测；

™ 太依赖于说话人的原来发音；

™ 不能对样本作动态训练；

™ 没有充分利用语音信号的时序动态特性；

DTW 适合于特定人基元较小的场合，多用于孤 立词识别；

动态规划算法总体思想

动态规划算法基本思想是将待求解问题分解成若干个子问题

但是经分解得到的子问题往往不是互相独立的。不同子问题的 数目常常只有多项式量级。求解时，有些子问题被重复计算了 许多次。

如果能够保存已解决的子问题的答案，而在需要时再找出已求 得的答案，就可以避免大量重复计算，从而得到多项式时间算 法。

动态规划基本步骤

v 找出最优解的性质，并刻划其结构特征。

v 递归地定义最优值。

v 以自底向上的方式计算出最优值。

v 根据计算最优值时得到的信息，构造最优解