matlab语音识别系统源代码.docx
《matlab语音识别系统源代码.docx》由会员分享,可在线阅读,更多相关《matlab语音识别系统源代码.docx(27页珍藏版)》请在冰豆网上搜索。
![matlab语音识别系统源代码.docx](https://file1.bdocx.com/fileroot1/2023-7/15/376c9ad4-94f2-46f9-8052-9224459652c3/376c9ad4-94f2-46f9-8052-9224459652c31.gif)
matlab语音识别系统源代码
《智能仪器》课程设计
题目:
MATLAB实现语音识别功能
班级:
学号:
姓名:
同组人员:
任课教师:
完成时间:
2012/11/3
一、设计任务及要求………………………………………………1
二、语音识别的简单介绍
2.1语者识别的概念……………………………………………2
2.2特征参数的提取……………………………………………3
2.3用矢量量化聚类法生成码本………………………………3
2.4VQ的说话人识别…………………………………………4
三、算法程序分析
3.1函数关系………………………………………………….4
3.2代码说明……………………………………………………5
3.2.1函数mfcc………………………………………………5
3.2.2函数disteu……………………………………………5
3.2.3函数vqlbg…………………………………………….6
3.2.4函数test………………………………………………6
3.2.5函数testDB……………………………………………7
3.2.6函数train……………………………………………8
3.2.7函数melfb………………………………………………8
四、演示分析…………………………………………………….9
五、心得体会…………………………………………………….11
附:
GUI程序代码………………………………………………12
一、设计任务及要求
用MATLAB实现简单的语音识别功能;
具体设计要求如下:
用MATLAB实现简单的数字1~9的语音识别功能。
二、语音识别的简单介绍
基于VQ的说话人识别系统,矢量量化起着双重作用。
在训练阶段,把每一个说话者所提取的特征参数进行分类,产生不同码字所组成的码本。
在识别(匹配)阶段,我们用VQ方法计算平均失真测度(本系统在计算距离d时,采用欧氏距离测度),从而判断说话人是谁。
语音识别系统结构框图如图1所示。
图1语音识别系统结构框图
2.1语者识别的概念
语者识别就是根据说话人的语音信号来判别说话人的身份。
语音是人的自然属性之一,由于说话人发音器官的生理差异以及后天形成的行为差异,每个人的语音都带有强烈的个人色彩,这就使得通过分析语音信号来识别说话人成为可能。
用语音来鉴别说话人的身份有着许多独特的优点,如语音是人的固有的特征,不会丢失或遗忘;语音信号的采集方便,系统设备成本低;利用电话网络还可实现远程客户服务等。
因此,近几年来,说话人识别越来越多的受到人们的重视。
与其他生物识别技术如指纹识别、手形识别等相比较,说话人识别不仅使用方便,而且属于非接触性,容易被用户接受,并且在已有的各种生物特征识别技术中,是唯一可以用作远程验证的识别技术。
因此,说话人识别的应用前景非常广泛:
今天,说话人识别技术已经关系到多学科的研究领域,不同领域中的进步都对说话人识别的发展做出了贡献。
说话人识别技术是集声学、语言学、计算机、信息处理和人工智能等诸多领域的一项综合技术,应用需求将十分广阔。
在吃力语音信号的时候如何提取信号中关键的成分尤为重要。
语音信号的特征参数的好坏直接导致了辨别的准确性。
2.2特征参数的提取
对于特征参数的选取,我们使用mfcc的方法来提取。
MFCC参数是基于人的听觉特性利用人听觉的屏蔽效应,在Mel标度频率域提取出来的倒谱特征参数。
MFCC参数的提取过程如下:
1.对输入的语音信号进行分帧、加窗,然后作离散傅立叶变换,获得频谱分布信息。
设语音信号的DFT为:
(1)
其中式中x(n)为输入的语音信号,N表示傅立叶变换的点数。
2.再求频谱幅度的平方,得到能量谱。
3.将能量谱通过一组Mel尺度的三角形滤波器组。
我们定义一个有M个滤波器的滤波器组(滤波器的个数和临界带的个数相近),采用的滤波器为三角滤波器,中心频率为f(m),m=1,2,3,···,M
本系统取M=100。
4.计算每个滤波器组输出的对数能量。
(2)
其中
为三角滤波器的频率响应。
5.经过离散弦变换(DCT)得到MFCC系数。
MFCC系数个数通常取20—30,常常不用0阶倒谱系数,因为它反映的是频谱能量,故在一般识别系统中,将称为能量系数,并不作为倒谱系数,本系统选取20阶倒谱系数。
2.3用矢量量化聚类法生成码本
我们将每个待识的说话人看作是一个信源,用一个码本来表征。
码本是从该说话人的训练序列中提取的MFCC特征矢量聚类而生成。
只要训练的序列足够长,可认为这个码本有效地包含了说话人的个人特征,而与讲话的内容无关。
本系统采用基于分裂的LBG的算法设计VQ码本,
为训练序列,B为码本。
具体实现过程如下:
1.取提取出来的所有帧的特征矢量的型心(均值)作为第一个码字矢量B1。
2.将当前的码本Bm根据以下规则分裂,形成2m个码字。
(4)
其中m从1变化到当前的码本的码字数,ε是分裂时的参数,本文ε=0.01。
3.根据得到的码本把所有的训练序列(特征矢量)进行分类,然后按照下面两个公式计算训练矢量量化失真量的总和
以及相对失真(n为迭代次数,初始n=0,
=∞,B为当前的码书),若相对失真小于某一阈值ε,迭代结束,当前的码书就是设计好的2m个码字的码书,转5。
否则,转下一步。
量化失真量和:
(5)
相对失真:
(6)
4.重新计算各个区域的新型心,得到新的码书,转3。
5.重复2,3和4步,直到形成有M个码字的码书(M是所要求的码字数),其中D0=10000。
2.4VQ的说话人识别
设是未知的说话人的特征矢量
,共有T帧是训练阶段形成的码书,表示码书第m个码字,每一个码书有M个码字。
再计算测试者的平均量化失真D,并设置一个阈值,若D小于此阈值,则是原训练者,反之则认为不是原训练者。
(7)
三、算法程序分析
在具体的实现过程当中,采用了matlab软件来帮助完成这个项目。
在matlab中主要由采集,分析,特征提取,比对几个重要部分。
以下为在实际的操作中,具体用到得函数关系和作用一一列举在下面。
3.1函数关系
主要有两类函数文件Train.m和Test.m
在Train.m调用Vqlbg.m获取训练录音的vq码本,而Vqlbg.m调用mfcc.m获取单个录音的mel倒谱系数,接着mfcc.m调用Melfb.m---将能量谱通过一组Mel尺度的三角形滤波器组。
在Test.m函数文件中调用Disteu.m计算训练录音(提供vq码本)与测试录音(提供mfcc)mel倒谱系数的距离,即判断两声音是否为同一录音者提供。
Disteu.m调用mfcc.m获取单个录音的mel倒谱系数。
mfcc.m调用Melfb.m---将能量谱通过一组Mel尺度的三角形滤波器组。
3.2具体代码说明
3.2.1函数mffc:
functionr=mfcc(s,fs)
---
m=100;
n=256;
l=length(s);
nbFrame=floor((l-n)/m)+1;%沿-∞方向取整
fori=1:
n
forj=1:
nbFrame
M(i,j)=s(((j-1)*m)+i);%对矩阵M赋值
end
end
h=hamming(n);%加hamming窗,以增加音框左端和右端的连续性
M2=diag(h)*M;
fori=1:
nbFrame
frame(:
i)=fft(M2(:
i));%对信号进行快速傅里叶变换FFT
end
t=n/2;
tmax=l/fs;
m=melfb(20,n,fs);%将上述线性频谱通过Mel频率滤波器组得到Mel频谱,下面在将其转化成对数频谱
n2=1+floor(n/2);
z=m*abs(frame(1:
n2,:
)).^2;
r=dct(log(z));%将上述对数频谱,经过离散余弦变换(DCT)变换到倒谱域,即可得到Mel倒谱系数(MFCC参数)
3.2.2函数disteu
---计算测试者和模板码本的距离
functiond=disteu(x,y)
[M,N]=size(x);%音频x赋值给【M,N】
[M2,P]=size(y);%音频y赋值给【M2,P】
if(M~=M2)
error('不匹配!
')%两个音频时间长度不相等
end
d=zeros(N,P);
if(N
copies=zeros(1,P);
forn=1:
N
d(n,:
)=sum((x(:
n+copies)-y).^2,1);
end
else
copies=zeros(1,N);
forp=1:
P
d(:
p)=sum((x-y(:
p+copies)).^2,1)';
end%%成对欧氏距离的两个矩阵的列之间的距离
end
d=d.^0.5;
3.2.3函数vqlbg
---该函数利用矢量量化提取了音频的vq码本
functionr=vqlbg(d,k)
e=.01;
r=mean(d,2);
dpr=10000;
fori=1:
log2(k)
r=[r*(1+e),r*(1-e)];
while(1==1)
z=disteu(d,r);
[m,ind]=min(z,[],2);
t=0;
forj=1:
2^i
r(:
j)=mean(d(:
find(ind==j)),2);
x=disteu(d(:
find(ind==j)),r(:
j));
forq=1:
length(x)
t=t+x(q);
end
end
if(((dpr-t)/t)break;
else
dpr=t;
end
end
end
3.2.4函数test
functionfinalmsg=test(testdir,n,code)
fork=1:
n%readtestsoundfileofeachspeaker
file=sprintf('%ss%d.wav',testdir,k);
[s,fs]=wavread(file);
v=mfcc(s,fs);%得到测试人语音的mel倒谱系数
distmin=4;%阈值设置处
%就判断一次,因为模板里面只有一个文件
d=disteu(v,code{1});%计算得到模板和要判断的声音之间的“距离”
dist=sum(min(d,[],2))/size(d,1);%变换得到一个距离的量
%测试阈值数量级
msgc=sprintf('与模板语音信号的差值为:
%10f',dist);
disp(msgc);
%此人匹配
ifdist<=distmin%一个阈值,小于阈值,则就是这个人。
msg=sprintf('第%d位说话者与模板语音信号匹配,符合要求!
\n',k);
finalmsg='此位说话者符合要求!
';%界面显示语句,可随意设定
disp(msg);
end
%此人不匹配
ifdist>distmin
msg=sprintf('第%d位说话者与模板语音信号不匹配,不符合要求!
\n',k);
finalmsg='此位说话者不符合要求!
';%界面显示语句,可随意设定
disp(msg);
end
end
3.2.5函数testDB
这个函数实际上是对数据库一个查询,根据测试者的声音,找相应的文件,并且给出是谁的提示
functiontestmsg=testDB(testdir,n,code)
nameList={'1','2','3','4','5','6','7','8','9'};%这个是我们要识别的9个数
fork=1:
n%数据库中每一个说话人的特征
file=sprintf('%ss%d.wav',testdir,k);%找出文件的路径
[s,fs]=wavread(file);
v=mfcc(s,fs);%对找到的文件取mfcc变换
distmin=inf;
k1=0;
forl=1:
length(code)
d=disteu(v,code{l});
dist=sum(min(d,[],2))/size(d,1);
ifdistdistmin=dist;%%这里和test函数里面一样但多了一个具体语者的识别
k1=l;
end
end
msg=nameList{k1}
msgbox(msg);
end
3.2.6函数train
---该函数就是对音频进行训练,也就是提取特征参数
functioncode=train(traindir,n)
k=16;%numberofcentroidsrequired
fori=1:
n%对数据库中的代码形成码本
file=sprintf('%ss%d.wav',traindir,i);
disp(file);
[s,fs]=wavread(file);
v=mfcc(s,fs);%计算MFCC's提取特征特征,返回值是Mel倒谱系数,是一个log的dct得到的
code{i}=vqlbg(v,k);%训练VQ码本通过矢量量化,得到原说话人的VQ码本
end
3.2.7函数melfb
---确定矩阵的滤波器
functionm=melfb(p,n,fs)
f0=700/fs;
fn2=floor(n/2);
lr=log(1+0.5/f0)/(p+1);
%converttofftbinnumberswith0forDCterm
bl=n*(f0*(exp([01pp+1]*lr)-1));
直接转换为FFT的数字模型
b1=floor(bl
(1))+1;
b2=ceil(bl
(2));
b3=floor(bl(3));
b4=min(fn2,ceil(bl(4)))-1;
pf=log(1+(b1:
b4)/n/f0)/lr;
fp=floor(pf);
pm=pf-fp;
r=[fp(b2:
b4)1+fp(1:
b3)];
c=[b2:
b41:
b3]+1;
v=2*[1-pm(b2:
b4)pm(1:
b3)];
m=sparse(r,c,v,p,1+fn2);
四、演示分析
我们的功能分为两部分:
对已经保存的9个数字的语音进行辨别和实时的判断说话人说的是否为一个数.在前者的实验过程中,先把9个数字的声音保存成wav的格式,放在一个文件夹中,作为一个检测的数据库.然后对检测者实行识别,系统给出提示是哪个数字.
在第二个功能中,实时的录取一段说话人的声音作为模板,提取mfcc特征参数,随后紧接着进行遇着识别,也就是让其他人再说相同的话,看是否是原说话者.
实验过程及具体功能如下:
先打开Matlab使CurrentDirectory为录音及程序所所在的文件夹
再打开文件“enter.m”,点run运行,打开enter界面,点击“进入”按钮进入系统。
(注:
文件包未封装完毕,目前只能通过此方式打开运行。
)(如下图figure1)
figure1
在对数据库中已有的语者进行识别模块:
选择载入语音库语音个数;
点击语音库录制模版进行已存语音信息的提取;
点击录音-test进行现场录音;
点击语者判断进行判断数字,并显示出来。
在实时语者识别模块:
点击实时录制模板上的“录音-train”按钮,是把新语者的声音以wav格式存放在”实时模板”文件夹中,接着点击“实时录制模板”,把新的模板提取特征值。
随后点击实时语者识别模板上的“录音-train”按钮,是把语者的声音以wav格式存放在”测试”文件夹中,再点击“实时语者识别”,在对测得的声音提取特征值的同时,和实时模板进行比对,然后得出是否是实时模板中的语者。
另外面板上的播放按钮都是播放相对应左边录取的声音。
想要测量多次,只要接着录音,自动保存,然后程序比对音频就可以。
退出只要点击菜单File/Exit,退出程序。
程序运行截图:
(fig.2)运行后系统界面
五、心得体会
实验表明,该系统能较好地进行语音的识别,同时,基于矢量量化技术(VQ)的语音识别系统具有分类准确,存储数据少,实时响应速度快等综合性能好的特点.
矢量量化技术在语音识别的应用方面,尤其是在孤立词语音识别系统中得到很好的应用,特别是有限状态矢量量化技术,对于语音识别更为有效。
通过这次课程设计,我对语音识别有了更加形象化的认识,也强化了MATLAB的应用,对将来的学习奠定了基础。
附:
GUI程序代码
functionvarargout=untitled2(varargin)
%UNTITLED2M-fileforuntitled2.fig
%UNTITLED2,byitself,createsanewUNTITLED2orraisestheexisting
%singleton*.
%
%H=UNTITLED2returnsthehandletoanewUNTITLED2orthehandleto
%theexistingsingleton*.
%
%UNTITLED2('CALLBACK',hObject,eventData,handles,...)callsthelocal
%functionnamedCALLBACKinUNTITLED2.Mwiththegiveninputarguments.
%
%UNTITLED2('Property','Value',...)createsanewUNTITLED2orraisesthe
%existingsingleton*.Startingfromtheleft,propertyvaluepairsare
%appliedtotheGUIbeforeuntitled2_OpeningFunctiongetscalled.An
%unrecognizedpropertynameorinvalidvaluemakespropertyapplication
%stop.Allinputsarepassedtountitled2_OpeningFcnviavarargin.
%
%*SeeGUIOptionsonGUIDE'sToolsmenu.Choose"GUIallowsonlyone
%instancetorun(singleton)".
%
%Seealso:
GUIDE,GUIDATA,GUIHANDLES
%Copyright2002-2003TheMathWorks,Inc.
%Edittheabovetexttomodifytheresponsetohelpuntitled2
%LastModifiedbyGUIDEv2.508-Jun-201023:
58:
57
%Begininitializationcode-DONOTEDIT
gui_Singleton=1;
gui_State=struct('gui_Name',mfilename,...
'gui_Singleton',gui_Singleton,...
'gui_OpeningFcn',@untitled2_OpeningFcn,...
'gui_OutputFcn',@untitled2_OutputFcn,...
'gui_LayoutFcn',[],...
'gui_Callback',[]);
ifnargin&&ischar(varargin{1})
gui_State.gui_Callback=str2func(varargin{1});
end
ifnargout
[varargout{1:
nargout}]=gui_mainfcn(gui_State,varargin{:
});
else
gui_mainfcn(gui_State,varargin{:
});
end
%Endinitializationcode-DONOTEDIT
%---Executesjustbeforeuntitled2ismadevisible.
functionuntitled2_OpeningFcn(hObject,eventdata,handles,varargin)
%Thisfunctionhasnooutputargs,seeOutputFcn.
%hObjecthandletofigure
%eventdatareserved-tobedefinedinafutureversionofMATLAB
%handlesstructurewithhandlesanduserdata(seeGUIDATA)
%varargincommandlineargumentstountitled2(seeVARARGIN)
%Choosedefaultcommandlineoutputforuntitled2
handles.output=hObject;
%Updatehandlesstructure
guidata(hObject,handles);
axes(findobj('tag','axes13'));
imshow('3.jpg');
axes(findobj('tag','axes12'));
imshow('1.jpg');
%UIWAITmakesuntitled2waitforuserresponse(seeUIRESUME)
%uiwait(handles.figure1);
%