matlab语音识别系统源代码Word文档下载推荐.docx

1、3.2.3函数 vqlbg 3.2.4函数 test 63.2.5函数 testDB 73.2.6函数train 83.2.7 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19的语音识别功能基于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

2、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

3、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

4、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：N 1 j 2 nkXa（k） x（n）e ,0 k N 1（ 1）n 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。N 12S（m） ln（ |Xa（k） | Hm（k）, （2）k 1 （ 2 丿0 m

5、M 1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。M 1C（n） S （m）cos（ n（m 0.5/m）,（3）m 00 n N 1MFCC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

6、法设计VQ码本，Xk（k 1,2, ,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。Bm Bm（1 ） （4）Bm Bm（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 Dn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

7、失真量和：KD（n） mi nd（Xk,B） （5）k 1相对失真:（6）D（n 1） Dn1 D714.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。D 1/T mi nd（Xj,Bm） （ 7）j 1 1 m M在具体的实现过程当中，采用了 matlab软件

8、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:function r = mfcc（s,

9、 fs）m = 100;n = 256;l = length（s）;n bFrame = floor（l - n） / m） + 1; %沿-x方向取整for i = 1:nfor j = 1:nbFrameM（i, j） = s（j - 1） * m） + i）; %对矩阵 M 赋值endh = hamming（n）; %加 hamming 窗，以增加音框左端和右端的连续性M2 = diag（h） * M;frame（:,i） = fft（M2（:, i）; %对信号进行快速傅里叶变换 FFTt = n / 2;tmax = l / fs;m = melfb（20, n, fs）; %将上述

10、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function d = 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！ ）

11、 %两个音频时间长度不相等d = zeros（N, P）;if （N P）%4两个音频时间长度相等的前提下copies = zeros（1,P）;for n = 1:Nd（n,:） = sum（x（:, n+copies） - y） .A2, 1）; endelsecopies = zeros（1,N）;for p = 1:Pd（:,p） = sum（x - y（:, p+copies） .A2, 1）;en d%成对欧氏距离的两个矩阵的列之间的距离 endd = 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function r = vqlbg（d,k）e

12、= .01;r = mean（d, 2）;dpr = 10000;log2（k）r = r*（1+e）, r*（1-e）;while （1 = 1）z = disteu（d, r）; m,ind = min（z, , 2）;t = 0;2Air（:, j） = mean（d（:, find（ind = j）, 2）;x = disteu（d（:, find（ind = j）, r（:, j）;for q = 1:length（x） t = t + x（q）;if （dpr - t）/t） e） break;else dpr = t;3.2.4 函数 test function finalmsg

13、 = test（testdir, n, code）for k = 1:n % read test sound file of each speakerfile = 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, code1）; %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if dist distmin第%d位说话者与模板语音信号不匹配 ，不符合要求 !此位说话者不符合要求 ! %界面显示语句，可随意设