matlab语音识别系统(源代码)

1、(威海)智能仪器课程设计: matlab实现语音识别功能班级级别：号码：姓氏：同一组的人：老师：完成时间：2012年11月3日目录一、设计任务和要求.1二、语音识别简介2.1说话人识别的概念.22.2特征参数的提取.32.3使用矢量量化聚类方法生成码本.32.4vq扬声器识别.4三、算法程序分析3.1功能关系.43.2代码描述.53.2.1功能mfcc.53.2.2功能扩展.53.2.3功能vqlbg.63.2.4功能测试.63.2.5功能测试数据库.73.2.6功能训练.83.2.7功能melfb.8第四，实证分析.9v.经验.11附件：图形用户界面程序代码.12一、设计任务和要求用matl

2、ab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语音识别功能。二、语音识别简介矢量量化在基于vq的说话人识别系统中起着双重作用。在训练阶段，对每个说话人提取的特征参数进行分类，生成由不同码字组成的码本。在识别(匹配)阶段，我们使用vq方法来计算平均失真测度(在该系统中使用欧几里德距离测度来计算距离d)，从而判断说话者是谁。语音识别系统的结构框图如图1所示。图1语音识别系统的结构框图2.1说话人识别的概念说话人识别是根据说话人的声音信号来判断说话人的身份。言语是人类的自然属性之一。由于说话人发音器官的生理差异和后天的行为差异，每个人的言语都具有强烈的个人色彩，这使得

3、通过分析言语信号来识别说话人成为可能。使用语音识别说话者有许多独特的优势。例如，言语是人的固有特征，不会丢失或遗忘；语音信号采集方便，系统设备成本低；远程客户服务也可以通过电话网络实现。因此，近年来，说话人识别越来越受到重视。与指纹识别、手形识别等其他生物特征识别技术相比，说话人识别不仅使用方便，而且非接触式，易于被用户接受，是现有各种生物特征识别技术中唯一可以用作远程认证的技术。因此，说话人识别的应用前景非常广阔：今天，说话人识别技术已经涉及到多学科的研究领域，不同领域的进步促进了说话人识别的发展。说话人识别技术是声学、语言学、计算机、信息处理、人工智能等诸多领域的综合技术，其应用需求将非常

4、广泛。在处理语音信号时，如何提取语音信号中的关键成分尤为重要。语音信号特征参数的质量直接影响识别的准确性。2.2特征参数的提取对于特征参数的选择，我们采用mfcc方法进行提取。mfcc参数是基于人类听觉特性，利用人类听觉屏蔽效应，从梅尔尺度频域提取的倒谱特征参数。mfcc参数的提取过程如下：1.将输入语音信号分成帧，加窗，然后进行离散傅立叶变换以获得频谱分布信息。假设语音信号的离散傅立叶变换为：(1)其中x(n)是输入语音信号，n代表傅立叶变换点数。2.对频谱幅度求平方，得到能谱。3.将能谱通过一组带梅尔标度的三角形滤波器组。我们定义了一个带m个滤波器的滤波器组(滤波器的数量与临界频带的数量相

5、似)，所用的滤波器是中心频率为f(m)、m=1、2、3和m的三角形滤波器。在这个系统中，m=100。4.计算每个滤波器组的对数能量输出。(2)其中是三角形滤波器的频率响应。5.mfcc系数通过离散串变换获得。mfcc系数的数量通常是20-30，并且经常不使用0阶倒谱系数。因为它反映了频谱能量，所以在一般的识别系统中称为能量系数，而不是倒谱系数。该系统选择20阶倒谱系数。2.3通过矢量量化聚类方法生成码本我们将每个说话者视为一个源，由一个码本表示。通过对从说话人的训练序列中提取的mfcc特征向量进行聚类来生成码本。只要训练序列足够长，就可以认为该码本有效地包含了说话者的个人特征，并且与语音的内容

6、无关。该系统采用基于分裂lbg的算法设计vq码本，它是训练序列，b是码本。具体实施过程如下：1.将提取的所有帧的特征向量的质心(平均值)作为第一码字向量b1。2.根据以下规则分割当前码本bm以形成2m个码字。(4)其中m从1变为当前码本中的码字个数，是分裂时的参数，本文中=0.01。3.根据得到的码本对所有训练序列(特征向量)进行分类，然后根据以下两个公式(n为迭代次数，初始n=0，=，b为当前码本)计算训练向量的量化失真和相对失真之和。如果相对失真小于某个阈值，则迭代结束，并且当前码本是2m个码字的设计码本，转5。否则，转到下一步。量化失真和：(5)相对失真：(6)4.重新计算每个区域的新心

7、脏以获得新的码本，转到3。5.重复步骤2、3和4，直到形成具有m个码字的码本(m是所需的码字数量)，其中d0=10000。2.4的说话人识别假设它是未知说话者的特征向量，并且总t帧是在训练阶段形成的码本，表示码本的第m个码字，并且每个码本具有m个码字。然后计算测试者的平均量化失真d，并设置一个阈值。如果d小于此阈值，则它是原始教练，否则，它不是原始教练。(7)三、算法程序分析在具体的实现过程中，利用matlab软件来帮助完成这个项目。在matlab中，它主要由几个重要部分组成：采集、分析、特征提取和比较。以下是实际操作中使用的功能关系和功能，如下所列。3.1功能关系主要有两种类型的函数文件：训

8、练模块和测试模块在train.m中，vqlbg.m被调用以获得训练记录的vq码本，而vqlbg.m调用mfcc.m以获得单个记录的mel倒谱系数，然后mfcc.m调用melfb.m以通过一组具有mel尺度的三角形滤波器组来传递能量谱。调用test.m函数文件中的destu . m，计算训练录音(提供vq码本)和测试录音(提供mfcc)的mel倒谱系数之间的距离，即判断这两种声音是否由同一个录音机提供。disteu.m调用mfcc.m获取单个录音的mel倒谱系数。mfcc.m调用melfb.m -通过一组具有mel标度的三角形滤波器组传递能谱。3.2具体代码描述3.2.1功能mffc:函数r=m

9、fcc(s，fs)-m=100n=256l=长度；nbframe=楼层(l-n)/m)1；在-方向上舍入的百分比对于i=1:n对于j=1:nbframe帧m(i，j)=s(j-1)* m)i)；%给矩阵m赋值目标目标h=汉明(n)；%添加汉明窗口以增加音箱左右两端的连续性m2=迪亚格(h) *米；对于i=1:nbframe帧帧(:i)=fft(m2(:i)；对信号进行快速傅立叶变换目标t=n/2；tmax=l/fs。m=melfb(20，n，fs)；%将上述线性谱通过梅尔频率滤波器组得到梅尔谱，然后将其转换成对数谱n2=1层(n/2)；z=m * abs(框架(1:n2，)。2；r=dct(l

10、og(z)；用离散余弦变换将对数频谱变换到倒谱域，得到梅尔倒谱系数(mfcc参数)3.2.2功能扩展-计算测试仪和模板码本之间的距离函数d=disteu(x，y)m，n=尺寸(x)；%音频x被分配给m，nm2，p=尺寸(y)；%音频y分配给m2，p如果(m =m2)错误(不匹配！)%两个音频持续时间不相等目标d=零(n，p)；如果(不适用)%，前提是两个音频时间长度相等副本=零(1，p)；对于n=1:nd(n，)=总和(x(:n份)- y)。2，1)；目标其他副本=零(1，n)；p=1:pd(:p)=总和(x - y(:p份)。2，1)；end%成对欧几里德距离的两个矩阵的列之间的距离目标d=

11、d.0.5；3.2.3功能vqlbg-该函数通过矢量量化提取音频的矢量量化码本函数r=vqlbg(d，k)e=.01r=平均值(d，2)；dpr=10000。i=1:log2(k)r=r *(1 e)，r *(1-e)；而(1=1)z=disteu(d，r)；m，ind=最小值(z，2)；t=0；对于j=1:2ir(:j)=均值(d(:find(ind=j)，2)；x=disteu(d(:find(ind=j)，r(:j)；对于q=1:length(x)t=t x(q)；目标目标if (dpr - t)/t) e)休息；其他dpr=t。目标目标目标3.2.4功能测试函数finalmsg=tes

12、t(testdir，n，代码)对于k=1:n %读取每个扬声器的测试声音文件文件=sprintf(%ss%d.wav，testdir，k)；s，fs=wavread(文件)；v=mfcc(s，fs)；%来获得测试者声音的梅尔倒谱系数distmin=4；在%阈值设置%被判断一次，因为模板中只有一个文件d=disteu(v，代码 1 )；%计算模板和要判断的声音之间的“距离”dist=总和(最小值(d，2) /大小(d，1)；%变换以获得距离%测试阈值数量级msgc=sprintf(与模板语音信号的区别是：f，距离)；显示(msgc)；%此人匹配如果dist=distmin%一个阈值，小于该阈值，则是此人。msg=sprintf(扬声器%d与模板语音信号匹配，符合要求！n，k)；最终消息