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
《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）;
for p=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）< ｅ）
break;
eｌｓe
dpr=ｔ;
end
end
ｅnd
3.2.4函数test
fｕnctionfinalｍsg=teｓt（ｔestｄir, n,coｄe）
fｏrk=1:
n %readtestｓｏundfile oｆeachsｐeaｋer
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）;
iｆdｉｓｔ＜distmiｎ
ｄｉstmin=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
function ｍ=melfb（ｐ,n, fs）
f０=7０0/ fｓ;
fn２ ＝floor（ｎ/2）;
lr =log（1+0.5/ｆ0）／（p+1）；
%conｖertｔｏ fｆｔ ｂｉｎnumbers ｗith 0ｆorＤＣ ｔerｍ
bl ＝n*（ｆ0＊（exｐ（［01p p＋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
ｆuｎｃｔionpuｓhｂｕtton1＿Cａllbａcｋ（hOｂjecｔ,ｅvenｔdata, handles）
% hObｊect handleto pｕｓhbutton１ （sｅe GCＢO）
%eveｎtdatarｅsｅrved -tobｅdefinedinafutuｒｅ versiｏnofMATLＡB
％ｈａnｄles structuｒe ｗｉthｈandles anduseｒdata（sｅeGＵＩDＡTA）
Channeｌ_Str=get（hａndｌes.popｕpｍenu3,＇String'）;
Ｃhannel＿Number=stｒ２double（Chanｎeｌ＿Sｔr｛ｇｅt（handｌeｓ．poｐupmeｎu3,'Vａｌue'）}）;
globalｍoodｌe;
ｍｏodle= train（'模版\＇,Channel_Ｎumｂer）％¶Ô´ýÇóÓïÒô½øÐÐÌáÈ¡Âë±¾
% --- Execｕｔesonbuｔton ｐresｓinｐｕshｂutｔｏｎ2.
fuｎcｔｉonpusｈbuttoｎ2＿Callbａcｋ（hＯｂject,eventdatａ，ｈaｎｄｌｅs）
%ｈObｊecｔ haｎdlｅ to puｓhｂuttｏn2（see GＣBO）
% evenｔdata ｒeseｒved-ｔｏｂeｄｅｆined inafutureversioｎ ofMATＬAB
%handｇloｂaldａta1;
gｌobal mｏｏdle；
test（'测试\',1,moodle）%ʵʱÓïÒô¼ì²â
％ ---－-－－--－－--－-----－--－－------------－-----－－---－--－-－-－--－----－----－
ｆｕnctｉoｎOｐeｎ_Calｌbａｃk（hＯｂjeｃｔ, eventｄata，ｈandles）
%hＯbjｅct hａｎdlｅｔoOpen（seeGCBO）
% eveｎtdata reｓｅｒved -tobedefineｄinaｆｕturｅvｅrsionoｆMＡTLAB
％ ｈaｎdlesｓtruｃtuｒｅ wiｔｈhaｎdles anduser data（seｅＧUIＤＡTＡ）
[ｆileｎaｍｅ,patｈname]=uigeｔｆｉｌe（＇'）
file=ｇet（handｌes.edits,[ｆiｌename，paｔｈｎame］）
[y,ｆ,b]=ｗavｒｅad（fｉle）;
%－－-----------－-------－－--－-－----------------－----－--－---－－---－-－----
funcｔｉon Ｅxit＿Cａllback（hObｊｅcｔ，eventdata,handles）
%hObject haｎｄletｏExiｔ（see GCBO）
％ ｅventｄａta reseｒｖed-tobedｅｆｉnedinａfｕtｕrｅvｅｒsionｏｆMAＴＬAＢ
%hａnｄlesｓtructuｒeｗith ｈandles ａnｄusｅrdａｔａ（seeGUIDATＡ）
eｘit
%----－-------－---------－-----－------－－-----－----－------------－－----－－
ｆｕnctioｎAｂout＿Callbaｃｋ（hOｂject,ｅvenｔdata, handｌes）
%hOｂjｅｃｔ hａｎdleｔｏAbｏｕt （seeGCBO）
%ｅventdatａrｅｓervｅd- tobe definedin ａfｕtureversiｏnofMＡTLAＢ
％hanｄｌesｓtｒｕｃtｕrｅ witｈhaｎdleｓaｎduseｒdaｔａ（seeＧＵIDATA）
H=[＇语者识别']
helpdｌg（Ｈ,'hｅｌptext＇）
%-－－-－-－－-－－---－－----－－-－-----------－--－－---－------－－---------------－
ｆuｎcｔioｎＦile_Caｌlbａck（hOｂｊｅct，eｖeｎtdatａ, handles）
% ｈObjecｔ haｎdle ｔoFiｌe（seｅ ＧＣBＯ）
%eve
升级会员 