首頁 >常見問題 >DTW演算法是什麼

DTW演算法是什麼

coldplay.xixi
coldplay.xixi原創
2020-12-18 10:08:5411099瀏覽

dtw演算法是指動態時間規則演算法,是基於動態規劃DP的思想,是一種計算2個時間序列尤其是不同長度序列相似度的一種動態規劃演算法;它解決了發音長短不一的模板比對問題,是語音辨識中出現較早、較經典的一種演算法。 dtw演算法主要應用在時序資料上,例如孤立字詞語音辨識、手勢辨識、資料探勘、資訊檢索等。

DTW演算法是什麼

本教學操作環境:windows7系統、Dell G3電腦。

時間序列資料存在多種相似或距離函數,其中最突出的是DTW。在孤立詞語音辨識中,最簡單有效的方法是採用DTW(Dynamic Time Warping,動態時間歸整)演算法,該演算法基於動態規劃(DP)的思想,解決了發音長短不一的模板匹配問題,是語音辨識中出現較早、較為經典的一種演算法,用於孤立詞辨識。

DTW(Dynamic Time Warping )動態時間規則演算法,是一種計算2個時間序列尤其是不同長度序列相似度的動態規劃演算法。主要應用在時序資料上,例如孤立詞語音辨識、手勢辨識、資料探勘、資訊檢索等。

HMM演算法在訓練階段需要提供大量的語音數據,透過重複計算才能得到模型參數,而DTW演算法的訓練中幾乎不需要額外的計算。所以在孤立詞語音辨識中,DTW演算法仍然得到廣泛的應用。

無論在訓練和建立模板階段或辨識階段,都先採用端點演算法來確定語音的起點和終點。以存入模板庫的各個詞條稱為參考模板,一個參考模板可表示為R={R(1),R(2),…,R(m),…,R(M)}, m為訓練語音幀的時序標號,m=1為起點語音幀,m=M為終點語音幀,因此M為此模板所包含的語音幀總數,R(m)為第m幀的語音特徵向量。所要辨識的一個輸入詞條語音稱為測試模板,可表示為T={T(1),T(2),…,T(n),…,T(N)},n為測試語音幀的時序標號,n=1為起點語音幀,n=N為終點語音幀,因此N為此模板所包含的語音幀總數,T(n)為第n幀的語音特徵向量。參考模板與測試模板一般採用相同類型的特徵向量(如MFCC,LPC係數)、相同的幀長、相同的窗函數和相同的幀移。

假設測試和參考模板分別以T和R表示,為了比較它們之間的相似度,可以計算它們之間的距離 D[T,R],距離越小則相似度越高。為了計算此失真距離,應從T和R中各個對應幀之間的距離算起。設n和m分別是T和R中任意選擇的幀號,d[T(n),R(m)]表示這兩幀特徵向量之間的距離。距離函數取決於實際採用的距離度量,在DTW演算法中通常採用歐氏距離。

若N=M則可以直接計算,否則要考慮將T(n)和R(m)對齊。對齊可以採用線性擴張的方法,如果N

若把測試模板的各個幀號n=1~N在一個二維直角座標系中的橫軸上標出,把參考模板的各幀號m=1~M在縱軸上標出,透過這些表示幀號的整數座標畫出一些縱橫線即可形成一個網絡,網絡中的每一個交叉點(n,m)表示測試模式中某一幀的交匯點。 DP演算法可以歸結為尋找一條通過此網路中若干格點的路徑,路徑通過的格點即為測試和參考模板中進行計算的幀號。路徑不是隨意選擇的,首先任何一種語音的發音快慢都有可能變化,但是其各部分的先後次序不可能改變,因此所選的路徑必定是從左下角出發,在右上角結束

為了描述這條路徑,假設路徑通過的所有格點依序為(n1 ,m1 ),…,(ni ,mj ),…,(nN ,mM ),其中(n1 ,m1 )=(1 ,1),(nN ,mM )=(N,M)。路徑可以用函數m = Oslash;(n )來描述,其中n =i,i=1,2,…,N,Ø(1)=1,Ø(N)=M。為了使路徑不至於過傾斜,可以約束斜率在0.5~2的範圍內,如果路徑已經通過了格點(n ,m ),那麼下一個通過的格點(n ,m )只可能是下列三種情況之一:

(n ,m )=(n +1,m)
(n ,m )=(n +1,m +1)
(n ,m )=(n ,m+1 )

用r表示上述三個限制條件。求最佳路徑的問題可以歸結為滿足約束條件r時,求最佳路徑函數m =Ø(n ),使得沿路徑的累積距離達到最小值,即:

搜索该路径的方法如下:搜索从(n, m)点出发,可以展开若干条满足ŋ的路径,假设可计算每条路径达到(n, m)点时的总的积累距离,具有最小累积距离者即为最佳路径。易于证明,限定范围的任一格点(n, m)只可能有一条搜索路径通过。对于(n, m),其可达到该格点的前一个格点只可能是(n-1, m)、(n-1, m -1)和(n, m-1),那么(n, m)一定选择这3个距离之路径延伸而通过(n, m),这时此路径的积累距离为:

D[(n, m)]=d[T(n),R(m)]+min{D(n-1,m),D(n-1,m-1),D(n,m-1)}

这样可以从(n ,m )=(1,1)出发搜索(n ,m ),对每一个(n ,m )都存储相应的距离,这个距离是当前格点的匹配距离与前一个累计距离最小的格点(按照设定的斜率在三个格点中进行比较)。搜索到(n ,m )时,只保留一条最佳路径。如果有必要的话,通过逐点向前寻找就可以求得整条路径。这套DP算法便是DTW算法。

DTW算法可以直接按上面描述来实现,即分配两个N×M的矩阵,分别为积累距离矩阵D和帧匹配距离矩阵d,其中帧匹配距离矩阵d(i,j)的值为测试模板的第i帧与参考模板的第j帧间的距离。D(N,M)即为最佳匹配路径所对应的匹配距离

更多相关知识,请访问常见问题栏目!

以上是DTW演算法是什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn