DTW 讲解

最新推荐文章于 2024-05-12 15:09:17 发布

zhonglj0314

最新推荐文章于 2024-05-12 15:09:17 发布

阅读量2.8k

点赞数

网上看到的非常好的DTW算法的讲解，转载记录一下。

DTW 是 Dynamic Time Warping 的简称，中文可以翻译成「动态时间扭曲」或是「动态时间规整」，这是一套根基与「动态规划」（DynamicProgramming，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，称为欧基里得距离（Euclidean Distance）：

dist(x, y)= |x - y|²

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来计算。一般而言，假设这两个向量的元素位置都是代表时间，由于我们必须容忍在时间轴的偏差，因此我们并不知道两个向量的元素对应关系，因此我们必须靠着一套有效的运算方法，才可以找到最佳的对应关系。

假设有两个向量 t 和 r，长度分別是 m 和 n，那么 DTW 的目标，就是要找到一組路径 (p₁,q₁), (p₂, q₂), ..., (p_k, q_k)},使得经由上述路径的「点对点」对应距离和 S_i=1^k ∣t(p_i) -r(q_i)∣为最小，而且，此路径必须滿足下列条件：

端点关系：(p₁, q₁) = (1, 1), (p_k, q_k) = (m, n)。此端点关系代表这是「头对头、尾对尾」的比对。
局部关系：假设最佳路径上任一点可以表示成 (i, j)，那么其前一点路径只有三种可能：(i-1, j), (i, j-1), (i-1, j-1)。此局部关系定义了路径的连续性，而且也规定了 t 的任一个元素至少对应一个 r 的元素，反之亦然。

但是，我们要如何很快地找到这条最佳路径呢？我们可以根据 DP 的原理，来将 DTW 描述成下列四大步骤：

在上述的方法描述中，我们是有点滥用数学符号，严格地说，D(i, j) 应该表示成为 D(t(1:i), r(1:j))，才能准确地描述D(?,?) 和 t、r 的关系。另外，D()具有下列对称的性质：D(t(1:i), r(1:j)) = D(r(1:j), t(1:i))。

在实际运算时，我们通常事先建立一个矩阵 D，其维度为 m×n，先根据端点条件来填入 D(1, 1)，然后再根据遞迴关系，逐行或逐列算出 D(i, j) 的值，最后就可以得到我们所要的答案 D(m, n)。

如果我们除了要知道 DTW 距离之外，也希望把相关最佳路径找出来，此时在计算遞迴关系式时，就要记录每一个最小点所对应的路径，直到我们求出 D(m, n)，在反覆回推前一个最佳路径的位置，如此一再反覆，才能算出整个最佳路径，这个步骤在 DP 里面称为 Back Tracking。

有上述方法可得知，DTW 的计算複雜度大約是 m×n，比用暴力法是有效率多了。

此外，在上述方法中，我们定义的子路径是由 (1, 1) 走到 (i, j)，我们也可以反向操作，定义子路径是由 (i, j) 走到 (m, n)，此时对应的 DTW 解法可以描述成下列四大步骤：

有这个方法所得到的結果，应该是和前述的方法完全相同。

另一个常用到的 local path constraint，是 27°-45°-63°，如下圖所示：

此种local path constraint，會有下列特色：

如果我们要求是「头对头、尾对尾」的比对，那么由上述的 local path constraint，我们就可以推断出 global path constraint，如下所示：

換句話说，若要使DTW 的比对有意义，那么两者长度的比值必须介于 0.5 和 2.0 之间，否則我们就不可能找出一条合法的路径。如果我们事先能够定义 global path constraint，那么在進行DTW 计算时，就可以省掉很多不需要计算的部分。

如果我们要求的是「头对头、尾自由」的比对，例如用在「哼唱選歌」的「從头比对」时，那么对应的 global path constraint 如下：

这时候可以省略的计算，就會變少。

如果我们要求的是「头尾都自由」的比对时，对应的 global path constraint 如下：

很明顯的，可以省略的计算，就更少了。

关注