DTW动态规划调整

DTW是一种衡量两个时间序列之间的相似度的方法，主要应用在语音识别领域来识别两段语音是否表示同一个单词。

1 DTW方法原理

在时间序列中，需要比较相似性的两段时间序列的长度可能并不相等，在语音识别领域表现为不同人的语速不同。而且同一个单词内的不同音素的发音速度也不同，比如有的人会把‘A’这个音拖得很长，或者把‘i’发的很短。另外，不同时间序列可能仅仅存在时间轴上的位移，亦即在还原位移的情况下，两个时间序列是一致的。在这些复杂情况下，使用传统的欧几里得距离无法有效地求的两个时间序列之间的距离(或者相似性)。

DTW通过把时间序列进行延伸和缩短，来计算两个时间序列性之间的相似性：

如上图所示，上下两条实线代表两个时间序列，时间序列之间的虚线代表两个时间序列之间的相似的点。DTW使用所有这些相似点之间的距离的和，称之为归整路径距离(Warp Path Distance)来衡量两个时间序列之间的相似性。

2 DTW计算方法

令要计算相似度的两个时间序列为X和Y，长度分别为|X|和|Y|。

3 归整路径(Warp Path)

归整路径的形式为W=w₁,w₂,…,w_K，其中Max(|X|,|Y|)<=K<=|X|+|Y|。

w_k的形式为(i,j)，其中i表示的是X中的i坐标，j表示的是Y中的j坐标。

归整路径W必须从w1=(1,1)开始，到wK=(|X|,|Y|)结尾，以保证X和Y中的每个坐标都在W中出现。

另外，W中w(i,j)的i和j必须是单调增加的，以保证图1中的虚线不会相交，所谓单调增加是指：

我们最后要得到的归整路径是距离最短的一个归整路径：

其中Dist(w_ki,w_kj)为任意经典的距离计算方法，比如欧几里得距离。w_ki是指X的第i个数据点，w_kj是指Y的第j个数据点。

4 DTW实现

在实现DTW时，我们采用动态规划的思想，其中D(i,j)表示长度为i和j的两个时间序列之间的归整路径距离：

我们最后求得的归整路径距离为D(|X|,|Y|)，使用动态规划来进行求解：

上图为代价矩阵(Cost Matrix) D，D(i,j)表示长度为i和j的两个时间序列之间的归整路径距离。

DTW实现的伪代码为

int DTWDistance(s: array [1..n], t: array [1..m]) {
DTW := array [0..n, 0..m]
 
for i := 1 to n
DTW[i, 0] := infinity
for i := 1 to m
DTW[0, i] := infinity
DTW[0, 0] := 0
 
for i := 1 to n
for j := 1 to m
cost:= d(s[i], t[j])
DTW[i, j] := cost + minimum(DTW[i-1, j ], // insertion
DTW[i , j-1], // deletion
DTW[i-1, j-1]) // match
 
return DTW[n, m]
}

DTW实现的Python代码

def dtw(X,Y):
X=[1,2,3,4]
Y=[1,2,7,4,5]
M=[[distance(X[i],Y[i]) for i in range(len(X))] for j in range(len(Y))]
l1=len(X)
l2=len(Y)
D=[[0 for i in range(l1+1)] for i in range(l2+1)]
D[0][0]=0
for i in range(1,l1+1):
D[0][i]=sys.maxint
for j in range(1,l2+1):
D[j][0]=sys.maxint
for j in range(1,l2+1):
for i in range(1,l1+1):
D[j][i]=M[j-1][i-1]+Min(D[j-1][i],D[j][i-1],D[j-1][i-1]+M[j-1][i-1])

5加速 

DTW虽然使用线性规划可以快速的求解，但是在面对比较长的时间序列是，O(N²)的时间复杂度还是很大。已经有很多改进的快速DTW算法，比如FastDTW,SparseDTW,LB_Keogh,LB_Improved等等。