Partition of GB-InSAR deformation map based on dynamic time warping and k-means

Ground-based interferometric synthetic aperture radar(GB-InSAR)can take deformation measurement with a high accuracy.Partition of the GB-InSAR deformation map benefits analyzing the deformation state of the monitoring scene better.Existing partition methods rely on labelled datasets or single deformation feature,and they cannot be effectively utilized in GBInSAR applications.This paper proposes an improved partition method of the GB-InSAR deformation map based on dynamic time warping(DTW)and k-means.The DTW similarities between a reference point and all the measurement points are calculated based on their time-series deformations.Then the DTW similarity and cumulative deformation are taken as two partition features.With the k-means algorithm and the score based on multi evaluation indexes,a deformation map can be partitioned into an appropriate number of classes.Experimental datasets of West Copper Mine are processed to validate the effectiveness of the proposed method,whose measurement points are divided into seven classes with a score of 0.3151.

Grey incidence clustering method based on multidimensional dynamic time warping distance

The traditional grey incidence degree is mainly based on the distance analysis methods, which is measured by the displacement difference between corresponding points between sequences. When some data of sequences are missing (inconsistency in the length of the sequences), the only way is to delete the longer sequences or to fill the shorter sequences. Therefore, some uncertainty is introduced. To solve this problem, by introducing three-dimensional grey incidence degree (3D-GID), a novel GID based on the multidimensional dynamic time warping distance (MDDTW distance-GID) is proposed. On the basis of it, the corresponding grey incidence clustering (MDDTW distance-GIC) method is constructed. It not only has the simpler computation process, but also can be applied to the incidence comparison between uncertain multidimensional sequences directly. The experiment shows that MDDTW distance-GIC is more accurate when dealing with the uncertain sequences. Compared with the traditional GIC method, the precision of the MDDTW distance-GIC method has increased nearly 30%.

Hand Gesture Recognition by Accelerometer-Based Cluster Dynamic Time Warping

Aiming at the diversity of hand gesture traces by different people,the article presents novel method called cluster dynamic time warping( CDTW),which is based on the main axis classification and sample clustering of individuals. This method shows good performance on reducing the complexity of recognition and strong robustness of individuals. Data acquisition is implemented on a triaxial accelerometer with 100 Hz sampling frequency. A database of 2400 traces was created by ten subjects for the system testing and evaluation. The overall accuracy was found to be 98. 84% for user independent gesture recognition and 96. 7% for user dependent gesture recognition,higher than dynamic time warping( DTW),derivative DTW( DDTW) and piecewise DTW( PDTW) methods.Computation cost of CDTW in this project has been reduced 11 520 times compared with DTW.

一种基于DTW-DP-GMM的工业机器人轨迹学习策略

针对机器人示教编程过程中使用高斯混合模型(GMM)规划运动轨迹时存在的高斯分布个数难以选择、复现轨迹精度较低等问题,提出了一种复合的机器人运动轨迹学习策略.该策略包含动态时间规整(DTW)算法、高斯混合模型与道格拉斯-普克(DP)算法.首先,针对示教过程中采集的多条轨迹在时间长度上存在差异的问题,采用DTW算法来统一示教轨迹在时域上的变化.其次,使用GMM算法对示教轨迹的特征进行提取,并利用高斯混合回归(GMR)算法将其重构为复现轨迹.在这个过程中采用DP算法来预估GMM算法的关键参数高斯分布的数量,与传统方法相比,能够简单直观地得到相对准确的参数值.利用DP算法对复现轨迹的数据点进行稀疏化并优化,不仅确保了机器人最终运动轨迹的精度,而且大幅减少了最终轨迹数据点的数量.最后,进行了不同形状的模拟焊接轨迹学习规划实验.结果表明:经由DTW对齐后的示教轨迹具有更加明显的运动特征,经过GMM-GMR学习输出的复现轨迹具有良好的表征结果;在使用GMM-GMR算法学习示教轨迹的过程中,采用DP算法可以有效预估高斯分布个数;经过DP算法稀疏化并优化的最终轨迹的平均位置误差均在0.500 mm以内,其最大误差可以控制在0.800 mm以内,可以满足焊接轨迹规划的精度要求,验证了该策略的有效性和优越性.

改进DTW算法的游泳训练视频手臂动作识别方法

针对复杂场景下游泳训练视频不同手臂动作识别准确性不足的问题,研究一种基于改进动态时间规整(DTW)算法的游泳训练视频手臂动作识别方法.将图像划分为若干个超像素区域,并通过计算显著值将像素合并成显著区域;借助人体骨骼结构,从显著区域中提取游泳手臂动作特征参数;将特征组成时间序列数据,利用改进DTW算法通过相似度匹配的特性来完成动作类型识别.结果表明:该方法的杰卡德系数较高,可以识别和分析不同场景下不同泳姿动作,具有更高的准确性和一致性.

基于改进DTW算法的永磁同步电机失磁故障模拟与诊断

为实现永磁同步电机(permanent magnet synchronous motor,PMSM)失磁故障模拟与失磁故障程度诊断,提出一种基于改进的动态时间规整(dynamic time warping,DTW)算法的故障波形诊断方法。首先,对永磁同步电机进行机理分析和模拟,采集不同程度失磁故障下的电机转速波形数据集。其次,使用改进DTW算法拟合失磁故障程度最佳路径曲线方程。然后,根据定子电流的频率谐波分量确定电机是否发生失磁故障。最后,使用改进DTW算法对失磁故障波形数据进行故障程度诊断。实验表明,该方法对故障波形数据进行处理后,可以快速准确地计算出故障波形的故障程度,该方法具备较强的稳定性和实时性。

基于改进DTW算法的轨道几何动态检测数据里程偏差校准方法研究

高速铁路轨道几何动态检测数据的绝对里程偏差校准是准确评估轨道几何状态与深入研究轨道几何状态演变规律的基础。针对当前检测数据绝对里程偏差校准精度不足的问题,提出1种线路曲线台账辅助的检测数据绝对里程精细校准方法,通过2种动态时间规整(DTW)变体算法实现检测数据里程的精确校准。首先,使用导数动态时间规整(D-DTW)算法进行检测数据与线路曲线台账数据的粗匹配,实现检测数据的自动分段;然后,采用图形动态时间规整(Shape-DTW)算法实现分段后检测数据中超高通道数据和线路曲线台账数据中的曲线特征点的精准对齐;最后,将线路曲线台账中曲线特征点的准确里程一一对应赋值给检测数据中超高通道数据的曲线特征点,实现对轨道几何动态检测数据绝对里程偏差的精细校准。通过在我国某高速铁路轨道几何动态检测数据集上进行的测试,结果表明:该方法提取的曲线长度误差最大不超过0.8%,校准后同一线路行别区段的多次检测数据在左高低通道数据相关性指标均优于校准前,因而该校准方法是有效性的。

基于DTW距离的普通话轻声音变差异分析

为了量化轻声音节相对于非轻声音节的变化量,本实验基于“动态时间规整”(DTW)算法,计算了普通话轻声音节变调前后最小对立对内的声学距离(EX)、重复相同非轻声音节的距离(NIN)和重复相同轻声音节的距离(QIN)。用EX距离、NIN距离和QIN距离的差值(EX-NIN和EX-QIN)作为测量轻声音变引起的声学距离变化的参数。结果表明,EX距离显著大于NIN距离和QIN距离。从方差及最大值的情况上,可以看出NIN的分散性较小,数值较稳定。不同发音的人在轻声变化量上存在很大的差异。不同词汇项间存在显著差异,且差异较大;零声母音节的轻声变化最大,说明轻声变化中元音的变化大于辅音的变化。不同双音节声调组合的轻声变化量之间也存在显著差异,当前字是上声时后字轻声音变改变量最小,当前字是去声时后字轻声音变改变量最大;性别对轻声无显著影响;框架句对轻声变化量的影响稍大,无框架句的轻声变化量大于有框架句的变化量。

基于多尺度LDTW和TCN的空间负荷预测方法

空间负荷预测为合理建设和使用变电站、馈线等提供了重要的指导,成为配电网规划中不可或缺的一部分。配电网规划的精细化产生了大量高分辨率的负荷数据,社会的快速发展使得地块的用电特征日趋复杂。当前的空间负荷预测没有充分考虑负荷数据之间的时间特性,且在预测过程中也未考虑到不同类型地块间可能存在的负荷峰值出现时间不一致问题。为此,提出一种空间负荷预测方法,通过基于多尺度限制对齐路径长度(LDTW)的谱聚类分析用户的负荷曲线在形状上的相似性,并提取不同地块的典型用电行为,以进一步分类确定同类型地块对应的同时率。多尺度LDTW通过限制序列之间匹配步长的上限来抑制病态匹配的产生,提高曲线相似性的综合评估能力。根据聚类结果筛选适合待预测区域的训练样本并构建基于时间卷积网络(TCN)的回归预测模型,将预测结果基于地块各自的同时率进行聚合,实现空间负荷预测。实验结果表明:该方法加强了对负荷曲线形状的分析和对不同类型地块同时率的区分,在聚类方面,DBI指数达到0.57,VI指数达到0.31;在预测方面,相对误差达到1.93%,决定系数达到0.941,相比其他典型方法均取得了较大改善。

基于改进型DTW的语音识别系统的设计与实现

大部分系统使用深度学习技术完成语音识别任务,并取得良好的效果。但是,基于深度学习的语音识别技术对计算机硬件算力的要求较高,同时需要大量的语音样本对语音识别模型进行训练。针对这些问题,基于改进后的动态时间归整(Dynamic Time Warping,DTW)算法设计并实现了一个语音识别系统。

实时说话人辨识系统中改进的DTW算法

识别正确率和抗噪性能是语音识别的研究重点,而识别响应速度也是决定系统实用化的关键。文章改进了传统的动态时间弯折算法结构,将其应用于实时说话人辨识系统中,极大地提高了系统运行速度,随着待识别语音数目的增多,该算法优势更加明显。实验表明,在不影响系统识别率的情况下,该方法使系统的运行速度平均提高了1.5倍。

用窗口法在小存储器中实现DTW算法

动态时间规整 DTW算法是一种运用动态规划原理计算时间矢量相似度的方法 ,在语音识别等领域有着广泛的应用。窗口法是针对 DTW算法的特点 ,采用了动态高效的空间管理办法 ,解决了通常的 DTW算法需要存储一个较大的矩阵 ,因而在存储空间有限的硬件系统中难以实现的问题 ,窗口法已经在实际系统中得到了应用。

语音识别中DTW特征匹配的改进算法研究

采用基于动态规划方法的动态时间归正技术DTW(D YNAM IC T IM E W ARP ING),可成功解决语音信号特征参数序列比较时时长不等的问题.在基于DTW的特征匹配用改进的动态时间归正方法将模板特征序列和语音特征序列进行匹配的基础上,比较两者之间的失真,得出识别判决的依据.实验表明,改进后的算法在孤立词语音识别中获得了良好性能.

加权DTW距离的自动步态识别

为了满足智能监控系统自动、准确、实时识别行人的要求,提出了一种表示方法简单、计算复杂度低的步态识别算法。首先建立环境的高斯背景模型,从步态视频序列中提取轮廓图像,计算质心以及轮廓线上的点到质心的欧氏距离。再将轮廓线以最高点为起点顺时针展开,将2维轮廓线特征转换为1维距离特征并标准化,建立标准步态模型。然后计算训练序列与标准步态模型之间的动态时间规整距离,确定阈值。最后,输入测试序列,计算动态时间规整距离并与阈值比较,识别人体的步态。与常用步态识别方法相比,该方法兼顾了计算复杂度和识别率,符合智能监控系统的性能要求。

基于DTW算法与稳态电流波形的非侵入式负荷辨识方法

非侵入家用负荷识别技术可以指导家庭用户合理安排用电,提高用能效率,同时也为电力部门提供家庭用电的数据支持,有利于了解负荷用电规律及趋势,完善电力规划。由于家庭用户用电负荷的稳态特征值存在相似和无规律的问题,现有的方法多采用高级算法对所有的用电负荷组合进行训练。针对现有采用负荷稳态特征值方法进行识别所存在的不足,考虑到家用负荷稳态波形具有独特性和叠加性,提出了一种利用动态时间弯曲(DTW)算法计算与模版库波形的距离来识别家用负荷的辨识方法。首先,建立负荷稳态波形模版库;然后,在电压满足一定条件的情况下,测量家庭用户电流的稳态波形;最后,利用DTW算法计算出最小距离进行识别。

一种结合形状序列和DTW的动作识别方法

提出了一种单幅图像上轮廓信息的获取方法,在一段时间内发生的动作可以通过采样获得多幅图像来表示该动作特征。这些图像可以看成是轮廓形状变化序列,通过比较不同动作的轮廓形状序列,使得动作能够较容易地识别出来。实验证明,轮廓信息能够较好地反映对象的形状,采用形状序列和DTW相结合的方法能够提高动作识别的准确性。

基于时间序列DTW差异的IGBT模块缺陷辨识方法

绝缘栅双极型晶体管(IGBT)模块是电力电子装置中关键可靠性敏感元件之一,辨识IGBT模块缺陷,是避免突发故障,增强电力电子装置可靠运行的重要举措之一。为此,笔者提出一种基于时间序列动态时间弯曲(DTW)差异的IGBT模块早期缺陷的诊断方法。该方法利用缺陷对IGBT模块门极寄生参数的影响,通过分析缺陷前后,门极电压信号序列DTW的差异,判断IGBT模块内部是否存在缺陷。实验研究结果验证了其诊断结论的正确性和实用性。

结合形状特征及其上下文的多维DTW

传统动态时间规整算法(Dynamic Time Warping,DTW)及其变种算法被广泛应用于多维时间序列的相似性分析,但它们通常只关注单个时间点的信息而忽略了上下文信息,从而很可能匹配两个形状完全不同的点。因此提出一种结合形状特征及其上下文的多维DTW算法(Multi-Dimensional Contextual Dynamic Time Warping,MDCDTW)。该算法首先计算多维时间序列的一阶梯度,然后对其进行采样处理,并以多维梯度矩阵表示当前时间点的形状信息及其上下文信息,最后利用DTW求解多维时间序列间的最短匹配路径。为检测算法设计的合理性,对算法进行了定性分析和定量分析,实验结果表明MDC-DTW算法设计是合理的;为检测MDC-DTW的性能,选用5个多维时间序列数据集,并与4个优异的多维DTW算法进行对比实验,实验结果表明MDC-DTW具有较高的准确率和运行效率。

基于改进DTW及互信息去噪的手势认证研究

为了应对智能手机所面临的信息安全威胁,提出一种基于行为生物特征的手势用户认证方案。实时采集手机内置三轴加速度传感器的数据,经有效手势端点检测得到认证数据,在信号去噪环节提出了一种结合小波包分解与互信息熵的新方法,最终由改进的动态时间规整算法进行手势信号序列相似性度量,从而得出认证结论。实验结果表明,当他人模仿手势错误接受率趋近0%时,本人认证手势错误拒绝率维持在7%左右,认证精度良好,同时算法时间复杂度低,可以实时有效对智能手机的持有者进行身份识别。

基于跳变点能量的DTW匹配在线手写签名验证算法

提出一种以签名能量为特征的在线手写签名验证算法,侧重签名能量特征提取和匹配判决的研究。对签名波形进行小波分解,提取签名波形在跳变点处的能量,从中提取若干个能量值作为特征矢量;在基于动态时间规整的特征匹配用改进的动态时间规整方法将测试特征序列和模式特征序列进行匹配的基础上,计算最小匹配距离,得出匹配路径。实验表明,动态时间规整算法在签名验证识别中获得了良好性能,对于随机伪造签名,误拒率为0时,误纳率为6.86%。