Dynaaminen ajan vääntyminen (DTW) sisältää laskentamenetelmän, jota kutsutaan algoritmiksi, jotta voidaan verrata ääniä, videoita ja grafiikkaa, jotka voivat olla samankaltaisia, mutta näytteissä voi olla pieniä eroja. Laskelmat muodostavat tyypillisesti otoksen lineaarisen esityksen ja mittaavat erot ajan funktiona. Näytteen eri elementit voidaan kartoittaa ruudukkoon samankaltaisuuksien tunnistamiseksi, kun taas toimintojen komennot käyttävät usein symboleja kunkin muuttujan tunnistamiseksi. Esimerkiksi puheentunnistus käyttää joskus dynaamista ajan vääntymistä vastaamaan sanoja, vaikka ne puhuttaisiin eri nopeuksilla tai tietyt osat lausutaan eri tavalla.
Monet puheentunnistusohjelmat käyttävät dynaamista ajan vääristymistä, koska ihmiset puhuvat usein eri nopeuksilla. Tietyt vokaaliäänet voidaan ilmoittaa eri tavalla tunteiden tai muiden tekijöiden mukaan. Jotkut ohjelmat tunnistavat sanat riippumatta siitä, kuka puhuu. Tästä syystä ei yleensä ole tehokasta laskea etäisyyksiä aikaväleillä äänten vertaamiseksi. DTW: llä analysoidaan eri aikakohtaisia pisteitä kullekin signaalille; nämä etäisyydet lasketaan ruudukosta, joka kulkee alhaalta vasemmalle oikealle.
Kahden näytteen vastaavien osien samankaltaisuudet voidaan mitata käyttämällä Levenshtein -etäisyyttä. Kirjaimia käytetään edustamaan lähteiden välisiä muutoksia. Ratkaisu algoritmille on tyypillisesti sitä suurempi luku, mitä erilaisempia nämä kaksi näytettä ovat. Tätä käsitettä käytetään usein puheentunnistukseen sekä oikeinkirjoituksen tarkistamiseen ja geneettisen materiaalin analysointiin.
Joissakin mittauksissa taajuuden muutokset voivat kompensoida dynaamisen ajan vääristymiskyvyn. Signaalit voidaan laskea siten, että niiden muotoa käytetään taajuudesta riippumatta. Moduloidut signaalit voivat myös aiheuttaa ongelmia, mutta ruudukko, joka laskee etäisyydet linjan osien välillä pisteiden sijaan, voi kompensoida.
Sekvenssien kohdistaminen on yleensä matemaattista, ja sen ymmärtämiseksi tarvitaan joitakin tietokoneohjelmointitaitoja. Dynaamiset aikavääristysalgoritmit riippuvat joistakin perusedellytyksistä ääni- tai visuaalisten näytteiden erojen realistisen laskemisen kannalta. Ottaen näytteen reittinä ruudukkoa pitkin algoritmi noudattaa usein sääntöjä, kuten polku ei voi kääntyä taaksepäin ja että se mitataan askel kerrallaan. Vasemmasta alakulmasta ylhäältä oikealle -formaatin lisäksi mittaukset rajoittuvat lävistäjän lähellä oleviin paikkoihin. Liian jyrkät tai matalat arvot jätetään usein huomiotta, koska ne voivat aiheuttaa virheitä lopullisessa mittauksessa.