matlab语音识别系统源代码.docx

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（23页珍藏版）》请在冰豆网上搜索。

matlab语音识别系统源代码

目录

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）;

ifdist

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

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

functionpushbutton1_Callback（hObject,eventdata,handles）

%hObjecthandletopushbutton1（seeGCBO）

%eventdatareserved-tobedefinedinafutureversionofMATLAB

%handlesstructurewithhandlesanduserdata（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

%---Executesonbuttonpressinpushbutton2.

functionpushbutton2_Callback（hObject,eventdata,handles）

%hObjecthandletopushbutton2（seeGCBO）

%eventdatareserved-tobedefinedinafutureversionofMATLAB

%handglobaldata1;

globalmoodle;

test（'测试\',1,moodle）%ʵʱÓïÒô¼ì²â

%--------------------------------------------------------------------

functionOpen_Callback（hObject,eventdata,handles）

%hObjecthandletoOpen（seeGCBO）

%eventdatareserved-tobedefinedinafutureversionofMATLAB

%handlesstructurewithhandlesanduserdata（seeGUIDATA）

[filename,pathname]=uigetfile（''）

file=get（handles.edits,[filename,pathname]）

[y,f,b]=wavread（file）;

%--------------------------------------------------------------------

functionExit_Callback（hObject,eventdata,handles）

%hObjecthandletoExit（seeGCBO）

%eventdatareserved-tobedefinedinafutureversionofMATLAB

%handlesstructurewithhandlesanduserdata（seeGUIDATA）

exit

%--------------------------------------------------------------------

functionAbout_Callback（hObject,eventdata,handles）

%hObjecthandletoAbout（seeGCBO）

%eventdatareserved-tobedefinedinafutureversionofMATLAB

%handlesstructurewithhandlesanduserdata（seeGUIDATA）

H=['语者识别']

helpdlg（H,'helptext'）

%--------------------------------------------------------------------

functionFile_Callback（hObject,eventdata,handles）

%hObjecthandletoFile（seeGCBO）

%eventdatareserved-tobedefinedinafutureversionofMATLAB

%handlesstructurewithhandlesanduserdata（seeGUIDATA）

%--------------------------------------------------------------------

functionEdit_Callback（hObject,eventdata,handles）

%hObjecthandletoEdit（seeGCBO）

%eventdatareserved-tobedefinedinafutureversionofMATLAB

%handlesstructurewithhandlesanduserdata（seeGUIDATA）

%--------------------------------------------------------------------

functionHelp_Callback（hObject,eventdata,handles）

%hObjecthandl