DTW语音识别算法部分.docx
《DTW语音识别算法部分.docx》由会员分享，可在线阅读，更多相关《DTW语音识别算法部分.docx（14页珍藏版）》请在冰豆网上搜索。
DTW语音识别算法部分
附录2:
训练函数：
train.m
disp（'正在生成训练参数……'）;
fori=1:
20
fname=sprintf（'train\\%d0.wav',i）;
[k,fs]=audioread（fname）;
[StartPoint,EndPoint]=vad_m（k,fs）;
cc=mfcc（k）;
cc=cc（StartPoint-2:
EndPoint-2,:
）;
ref（i+1）.StartPoint=StartPoint;
ref（i+1）.EndPoint=EndPoint;
ref（i+1）.mfcc=cc;
end
disp（'正在存储模板库……'）;
save'mfcc.mat'ref;
disp（'存储完毕'）
附录3:
测试函数：
dtwtest.m
clear;closeall;clc;
disp（'正在导入参考模板参数...'）;
loadmfcc.mat;
disp（'正在计算测试模板的参数...'）
fori=0:
3
fname=sprintf（'test\\%d1.wav',i）;
[k,fs]=audioread（fname）;
[StartPoint,EndPoint]=vad_m（k,fs）;
cc=mfcc（k）;
cc=cc（StartPoint-2:
EndPoint-2,:
）;
test（i+1）.StartPoint=StartPoint;
test（i+1）.EndPoint=EndPoint;
test（i+1）.mfcc=cc;
end
disp（'正在进行模板匹配...'）
dist=zeros（1,20）;
fori=1:
4
forj=1:
20
dist（i,j）=dtw（test（i）.mfcc,ref（j）.mfcc）;
end
end
disp（'正在计算匹配结果...'）
fori=1:
4
[d,j]=min（dist（i,:
））;
if（j>=1&&j<=5）
fprintf（'测试模板%d1.wav的识别结果为:
前进\n',i-1）;
end
if（j>=6&&j<=10）
fprintf（'测试模板%d1.wav的识别结果为:
停止\n',i-1）;
end
if（j>=11&&j<=15）
fprintf（'测试模板%d1.wav的识别结果为:
左转\n',i-1）;
end
if（j>=16&&j<=20）
fprintf（'测试模板%d1.wav的识别结果为:
右转\n',i-1）;
end
end
closeall;
附录4:
特征提取函数：
vad_m.m
function[StartPoint,EndPoint]=vad（k,fs）
%%[StartPoint,EndPoint]=vad（k,fs）
%%语音信号端点检测程序，k为语音信号，
%%fs为其采样频率，程序绘制出语音信号
%%相关波形图并返回起止端点所对帧号
closeall
%幅度归一化到[-1,1]
k=double（k）;
k=k./max（abs（k））;
%------------------------------
%显示波形
%------------------------------
SNR=5;%设置SNR
signal=Gnoisegen（k,SNR）;%叠加噪声
snr1=SNR_singlech（k,signal）;%计算叠加噪声后的信噪比
N=length（k）;%信号长度
t=（0:
N-1）/fs;%设置时间
IS=.25;%设置IS
%调用WienerScalart96m_2函数做维纳滤波
output=WienerScalart96m_2（signal,fs,IS,0.12）;
ol=length（output）;%把output补到与x等长
ifoloutput=[output;zeros（N-ol,1）];
end
snr2=SNR_singlech（k,output）;%计算维纳滤波后的信噪比
snr=snr2-snr1;
fprintf（'snr1=%5.4fsnr2=%5.4fsnr=%5.4f\n',snr1,snr2,snr）;
subplot311;plot（t,k,'k'）;grid;axistight;
title（'纯语音波形'）;ylabel（'幅值'）
subplot312;plot（t,signal,'k'）;grid;axistight;
title（['带噪语音信噪比='num2str（SNR）'dB']）;ylabel（'幅值'）
subplot313;plot（t,output,'k'）;grid;ylim（[-11]）;
title（'维纳滤波后波形'）;ylabel（'幅值'）;xlabel（'时间/s'）;
disp（'显示原始波形图……'）;
t=0:
1/fs:
（length（k）-1）/fs;
%subplot（3,1,1）;
plot（t,k）;
axis（[0,（length（k）-1）/fs,min（k）,max（k）]）;
title（'语音信号波形'）;
xlabel（'Time:
s'）;
ylabel（'Amplitude（normalized）'）;
disp（'显示语音起始处放大波形图……'）;
t1=0.2:
1/fs:
0.3;
k1=k（0.2*fs:
0.3*fs）;
subplot（3,1,2）;
plot（t1,k1）;
axis（[0.2,0.3,min（k）,max（k）]）;
title（'（II）“00.wav”语音起始处放大波形图'）;
xlabel（'Time:
s'）;
ylabel（'Amplitude（normalized）'）;
disp（'显示语音结束处放大波形图……'）;
t1=0.4:
1/fs:
0.5;
k1=k（0.4*fs:
0.5*fs）;
subplot（3,1,3）;
plot（t1,k1）;
axis（[0.4,0.5,min（k）,max（k）]）;
title（'（III）“00.wav”语音结束处放大波形图'）;
xlabel（'Time:
s'）;
ylabel（'Amplitude（normalized）'）;
%------------------------------
%计算短时过零率
%------------------------------
k=output;
FrameLen=240;
FrameInc=80;
FrameTemp1=enframe（k（1:
end-1）,FrameLen,FrameInc）;
FrameTemp2=enframe（k（2:
end）,FrameLen,FrameInc）;
signs=（FrameTemp1.*FrameTemp2）<0;
diffs=abs（FrameTemp1-FrameTemp2）>0.01;
zcr=sum（signs.*diffs,2）;
zcrm=multimidfilter（zcr,5）;
disp（'显示原始波形图……'）;
figure,subplot（3,1,1）;
plot（t,k）;
axis（[0,（length（k）-1）/fs,min（k）,max（k）]）;
title（'（I）语音信号波形'）;
xlabel（'Time:
s'）;
ylabel（'Amplitude（normalized）'）;
disp（'显示短时过零率……'）
zcrInd=1:
length（zcrm）;
subplot（3,1,2）;
plot（zcrInd,zcr）;
axis（[0,length（zcr）,0,max（zcr）]）;
title（'（II）短时过零率'）;
xlabel（'Frame'）;
ylabel（'Zcr'）;
%------------------------------
%计算短时能量
%------------------------------
amp=sum（abs（enframe（filter（[1-0.9375],1,k）,FrameLen,FrameInc））,2）;
ampm=multimidfilter（amp,5）;
disp（'显示短时能量……'）
ampInd=1:
length（ampm）;
subplot（3,1,3）;
plot（ampInd,amp）;
axis（[0,length（amp）,0,max（amp）]）;
title（'（III）短时能量'）;
xlabel（'Frame'）;
ylabel（'Energy'）;
%------------------------------
%设置门限
%------------------------------
disp（'设置门限……'）;
ZcrLow=max（[round（mean（zcr）*0.1）,3]）;%过零率低门限
ZcrHigh=max（[round（max（zcr）*0.1）,5]）;%过零率高门限
AmpLow=min（[min（amp）*10,mean（amp）*0.2,max（amp）*0.1]）;%能量低门限
AmpHigh=max（[min（amp）*10,mean（amp）*0.2,max（amp）*0.1]）;%能量高门限
%------------------------------
%端点检测
%------------------------------
MaxSilence=30;%最长语音间隙时间
MinAudio=15;%最短语音时间
Status=0;%状态：
0静音段,1过渡段,2语音段,3结束段
HoldTime=0;%语音持续时间
SilenceTime=0;%语音间隙时间
disp（'开始端点检测……'）;
forn=1:
length（zcr）
switchStatus
case{0,1}
ifamp（n）>AmpHigh|zcr（n）>ZcrHigh
StartPoint=n-HoldTime;
Status=2;
HoldTime=HoldTime+1;
SilenceTime=0;
elseifamp（n）>AmpLow|zcr（n）>ZcrLow
Status=1;
HoldTime=HoldTime+1;
else
Status=0;
HoldTime=0;
end
case2,
ifamp（n）>AmpLow|zcr（n）>ZcrLow
HoldTime=HoldTime+1;
else
SilenceTime=SilenceTime+1;
ifSilenceTimeHoldTime=HoldTime+1;
elseif（HoldTime-SilenceTime）Status=0;
HoldTime=0;
SilenceTime=0;
else
Status=3;
end
end
case3,
break;
end
ifStatus==3
break;
end
end
HoldTime=HoldTime-SilenceTime;
EndPoint=StartPoint+HoldTime;
disp（'显示端点……'）;
figure,subplot（3,1,1）;
plot（k）;
axis（[1,length（k）,min（k）,max（k）]）;
title（'（I）语音信号'）;
xlabel（'Sample'）;
ylabel（'Speech'）;
line（[StartPoint*FrameInc,StartPoint*FrameInc],[min（k）,max（k）],'color','red'）;
line（[EndPoint*FrameInc,EndPoint*FrameInc],[min（k）,max（k）],'color','red'）;
subplot（3,1,2）;
plot（zcr）;
axis（[1,length（zcr）,0,max（zcr）]）;
title（'（II）短时过零率'）;
xlabel（'Frame'）;
ylabel（'ZCR'）;
line（[StartPoint,StartPoint],[0,max（zcr）],'Color','red'）;
line（[EndPoint,EndPoint],[0,max（zcr）],'Color','red'）;
subplot（3,1,3）;
plot（amp）;
axis（[1,length（amp）,0,max（amp）]）;
title（'（III）短时能量'）;
xlabel（'Frame'）;
ylabel（'Energy'）;
line（[StartPoint,StartPoint],[0,max（amp）],'Color','red'）;
line（[EndPoint,EndPoint],[0,max（amp）],'Color','red'）;
附录5:
DTW算法
functiondist=dtw（test,ref）
globalxy_miny_max
globaltr
globalDd
globalmn
t=test;
r=ref;
n=size（t,1）;
m=size（r,1）;
d=zeros（m,1）;
D=ones（m,1）*realmax;
D
（1）=0;
%如果两个模板长度相差过多，匹配失败
if（2*m-n<3）|（2*n-m<2）
dist=realmax;
return
end
%计算匹配区域
xa=round（（2*m-n）/3）;
xb=round（（2*n-m）*2/3）;
ifxb>xa
%xb>xa,按下面三个区域匹配
%1:
xa
%xa+1:
xb
%xb+1:
N
forx=1:
xa
y_max=2*x;
y_min=round（0.5*x）;
warp
end
forx=（xa+1）:
xb
y_max=round（0.5*（x-n）+m）;
y_min=round（0.5*x）;
warp
end
forx=（xb+1）:
n
y_max=round（0.5*（x-n）+m）;
y_min=round（2*（x-n）+m）;
warp
end
elseifxa>xb
%xa>xb,按下面三个区域匹配
%0:
xb
%xb+1:
xa
%xa+1:
N
forx=1:
xb
y_max=2*x;
y_min=round（0.5*x）;
warp
end
forx=（xb+1）:
xa
y_max=2*x;
y_min=round（2*（x-n）+m）;
warp
end
forx=（xa+1）:
n
y_max=round（0.5*（x-n）+m）;
y_min=round（2*（x-n）+m）;
warp
end
elseifxa==xb
%xa=xb,按下面两个区域匹配
%0:
xa
%xa+1:
N
forx=1:
xa
y_max=2*x;
y_min=round（0.5*x）;
warp
end
forx=（xa+1）:
n
y_max=round（0.5*（x-n）+m）;
y_min=round（2*（x-n）+m）;
warp
end
end
%返回匹配分数
dist=D（m）;
functionwarp
globalxy_miny_max
globaltr
globalDd
globalmn
d=D;
fory=y_min:
y_max
D1=D（y）;
ify>1
D2=D（y-1）;
else
D2=realmax;
end
ify>2
D3=D（y-2）;
else
D3=realmax;
end
d（y）=sum（（t（x,:
）-r（y,:
））.^2）+min（[D1,D2,D3]）;
end
D=d;
升级会员 