DTW原理,dtw算法 python

　　设时间修正函数为：其中n为路径长度，c(n)=(i(n)，j(n))表示第n个匹配点对是由参考模板的第I个特征向量和待测模板的第j个特征向量组成的匹配点对。它们之间的距离称为局部匹配距离。DTW算法是通过局部优化使加权距离之和最小化，即

　　，其中加权函数的选择应考虑两个因素：

　　根据第n对匹配点的上一步中局部路径的方向，对局部路径进行45度方向的惩罚，这样可以考虑到自适应的情况，对语音的每一部分赋予不同的权重，保证匹配路径不违背语音信号每一部分特征的时序。通常，正则函数需要满足以下约束：

　　定义了最小累积失真函数g(i，J)，它表示所有可能路径中的最佳路径到匹配点对(I，J)的累积匹配距离。

　　G(i，j)具有以下递归关系：

　　基于上述定义和相应的约束规则，以一步局部路径约束和平行四边形区域约束为例，DTW算法的具体步骤如下：

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。