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（20页珍藏版）》请在冰豆网上搜索。
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：
201211/3
一、设计任务及要求1
二、语音识别的简单介绍
语者识别的概念2••…
特征参数的提取3……
用矢量量化聚类法生成码本3
的说话人识别4
三、算法程序分析
函数关系……………………………………….4………代码说明5
3.2.1函数mfcc5•…
3.2.2函数disteu5••…
3.2.3函数vqlbg£••…
3.2.4函数test6••…
3.2.5函数testDB7••…
3.2.6函数train8……
3.2.7函数melfb8•…
四、演示分析……………………………………….…9…
五、心得体会.11•…
附：
GUI程序代码12…
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
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。
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：
N1j2nk
Xa（k）x（n）e~^,0kN1
（1）
n1
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。
N1
2
S（m）ln（|Xa（k）|Hm（k））,
（2）
k1（2丿
0mM1
其中Hm（k）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。
M1
C（n）S（m）cos（n（m0.5/m））,（3）
m0
0nN1
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。
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，Xk（k1,2,,K）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。
｛BmBm
（1）（4）
BmBm
（1）
其中m从1变化到当前的码本的码字数，&是分裂时的参数，本文&=。
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D[n]以及相对失真（n为迭代次数，初始
n=0,D[1]=汽B为当前的码书），若相对失真小于某一阈值£，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：
K
D（n）mind（Xk,B）（5）
k1
相对失真:
（6）
D（n1）Dn
1D71
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。
VQ的说话人识别
设是未知的说话人的特征矢量｛X1,K,Xt｝，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。
D1/Tmin[d（Xj,Bm）]（7）
j11mM
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。
函数关系
主要有两类函数文件和
在调用获取训练录音的vq码本，而调用获取单个录音的mel倒谱系数，接着调用将能量谱通过一组Mel尺度的三角形滤波器组。
在函数文件中调用计算训练录音（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。
调用获取单个录音的mel倒谱系数。
调用将能量谱通过一组Mel尺度的三角形滤波器组。
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-x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,:
））.A2;
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（Ncopies=zeros（1,P）;
forn=1:
N
d（n,:
）=sum（（x（:
n+copies）-y）.A2,1）;end
else
copies=zeros（1,N）;
forp=1:
P
d（:
p）=sum（（x-y（:
p+copies））.A2,1）';
end%%成对欧氏距离的两个矩阵的列之间的距离end
d=d.A;
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:
2Ai
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）elsedpr=t;
end
end
end
3.2.4函数testfunctionfinalmsg=test（testdir,n,code）
fork=1:
n%readtestsoundfileofeachspeaker
file=sprintf（'%ss%',testdir,k）;
[s,fs]=wavread（file）;
v=mfcc（s,fs）;%得到测试人语音的meI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
升级会员 