时间序列是一组按照时间先后顺序进行排列的数据点集合,每个元素由采集时间和数据值组成(其中数据值可以是一个确定的数也可以是一个向量,即多元),是生产生活中常见的一种数据类型,广泛应用于数理统计、信号处理、模式识别等与时间数据测量相关的应用科学与工程学,对其进行相似性度量可用于指导生产实践。本文以日常生活中最常见的一种时间序列----语音序列数据为对象,对时间序列相似性度量问题进行了研究,针对一元语音信号相似性度量和多元语音信号相似性度量方法进行了改进,提出了改进的基于时间序列相似性识别语音信号识别算法。本文主要工作如下:(1)针对一元语音信号相似性度量方法,本文首先在预处理阶段对语音信号进行多项式平滑滤波(Savitzky-Golay),随之对平滑后的序列选取重要点。本文在使用连续三点取值算法的基础上,在重要点选取时增加了新的极值点选取约束条件,并引入了变化明显的转折点,从而有效的降低时间序列的长度,实验表明本文提出的算法具有可行性和有效性。(2)针对多元语音信号相似性度量方法,在低信噪比环境下传统端点检测算法存在清音和无声区的区分效果不好的问题,本文对端点检测中短时过零率算法进行了改进,使得清音和无声区的区分更加明显,并在语音信号识别时序列间每帧的距离计算引入余弦距离计算,改进了传统欧式距离中单个维度数值变化影响实验结果的问题。实验结果表明本文提出的改进方法,不仅识别准确率较高,在识别时间上也更加高效。