语音识别算法主要涉及特征提取、统计建模和识别技术等几个关键方面。在此使用MFCC+DTW算法的方式给出语音识别的代码，首先进行简单介绍。 参考我的博客： https://blog.csdn.net/weixin_44584198/article/details/132922642?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22132922642%22%2C%22source%22%3A%22weixin_44584198%22%7D

DTW算法，与matlab自带算法类似，只是不需要转置矩阵了。（但是二者算出的值不一样，具体效果待测）

dtw 代码matlab 工作组 3D骨架动作识别的matlab代码 [用于基于骨架的动作识别的时空加权姿势运动特征] 作者：丁重阳和李凯（）。 我们最近基于 Raviteja Vemulapalli 的工作在 3D 动作识别方面的工作： Raviteja Vemulapalli、Felipe Arrate 和 Rama Chellappa，“通过将 3D 人体骨骼表示为谎言群中的点来进行人体动作识别”，CVPR，2014 年。 如果您要使用它，请引用它。 该代码由 Raviteja Vemulapalli 实现并由我们开发，主要用于比较一些不同的特征提取方法的性能，例如关节位置、关节角度、李群和 STWP（我们提出的，结果证明是一种更好的方法）和其他人）。 此代码已在 Matlab R2017a 中实现，并在 Linux (ubuntu) 和 Windows 7 中进行了测试。 实验设置： 跨学科 - 一半的科目用于训练，剩下的一半用于测试。 结果平均超过 10 个不同的训练和测试科目组合。 数据集 我们为所有支持的数据集提供预先计算的骨架序列： 跑步 matlab 文件“run.m

以一个能识别数字0～9的语音识别系统的实现过程为例，阐述了基于DTW算法的特定人孤立词语音识别的基本原理和关键技术。其中包括对语音端点检测方法、特征参数计算方法和DTW算法实现的详细讨论，最后给出了在Matlab下的编程方法和实验结果。

DTWMatlab代码STF_DTW 震源时间函数的DTW聚类。 这些代码用于复制 J. Yin、Z. Li 和 MA Denolle 手稿“震源时间函数聚类揭示地震动力学模式”中的结果和数字。 手稿已提交给 AGU Advances。 预印本可在此处获得： 对于结果再现，直接在 Matlab 中运行 Main_run_SCARDEC.m 和 Main_run_Simulation.m。 参数设置和详细信息可以在这两个脚本的注释中找到。

Dynamic Timing Warping，动态时间规整算法，源码

印度尼西亚降雨模式分类使用时间序列K均值 使用时间序列k均值对印度尼西亚的三种主要降雨模式进行聚类。 k均值中的距离计算是动态时间规整（DTW），通常用于模式匹配和时间/顺序数据聚类。

总结了轨迹相似性度量方法包括：欧式距离（Euclidean Distance），动态时间归整（Dynamic Time Warping，DTW）等等

DTW算法即Dynamical Time Warping，动态时间规整，是很常用的信号处理和特征提取的算法，这是一个Matlab的DTW算法的完整实现和示例。

基于DTW的单字识别基于DTW的单字识别