Matlab在语音识别中的应用.docx
- 文档编号:688947
- 上传时间:2022-10-12
- 格式:DOCX
- 页数:51
- 大小:3.53MB
Matlab在语音识别中的应用.docx
《Matlab在语音识别中的应用.docx》由会员分享,可在线阅读,更多相关《Matlab在语音识别中的应用.docx(51页珍藏版)》请在冰豆网上搜索。
Matlab在语音识别中的应用
1.基于GUI的音频采集处理系统
注:
本实验是对“东、北、大、学、中、荷、学、院”孤立文字的识别!
首先是GUI的建立,拖动所需控件,双击控件,修改控件的参数;主要有stringTag(这个是回调函数的依据),其中还有些参数如valuestyle也是需要注意的,这个在实际操作中不能忽视。
这里需要给说明一下:
图中所示按钮都是在一个按钮组里面,都属于按钮组的子控件。
所以在添加回调函数时,是在按钮组里面添加的,也就是说右击三个按钮外面的边框,选择ViewCallback——SelectionChange,则在主函数中显示该按钮的回调函数:
functionuipanel1_SelectionChangeFcn(hObject,eventdata,handles)
以第一个按钮“录音”为例讲解代码;
下面是“播放”和“保存”的代码:
以上就是语音采集的全部代码。
程序运行后就会出现这样的界面:
点击录音按钮,录音结束后就会出现相应波形:
点击保存,完成声音的保存,保存格式为.wav。
这就完成了声音的采集。
2.
声音的处理与识别
2.1打开文件
语音处理首先要先打开一个后缀为.wav的文件,这里用到的不是按钮组,而是独立的按钮,按钮“打开”的回调函数如下:
functionpushbutton1_Callback(hObject,eventdata,handles)
其中pushbutton1是“打开”按钮的Tag.
在回调函数下添加如下代码:
运行结果如图:
2.2预处理
回调函数如下:
functionpushbutton2_Callback(hObject,eventdata,handles)
运行结果如图:
2.3
短时能量
短时能量下的回调函数:
functionpushbutton3_Callback(hObject,eventdata,handles)
其回调函数下的代码是:
2.4
端点检测
这里要先声明一点,为了避免在以后的函数调用中,不能使用前面的变量,所以其实后面的函数都包含了前面的部分。
显而易见这样程序就会显得很冗长,这也是值得以后修改的地方。
functionpushbutton4_Callback(hObject,eventdata,handles)
2.5
生成模版
本功能和上面重复的部分省略掉了,现在只补充添加的代码:
2.6
语音识别
将打开的语音与提前录好的语音库进行识别,采用的是DTW算法。
识别完后就会在相应的文本框里显示识别的文字。
代码如下:
程序运行前后的对比图:
GUI的整体效果图:
总结
实验已经实现了对“东、北、大、学、中、荷、学、院”文字的识别,前提是用模版的语音作为样本去和语音库测试,这已经可以保证100%的正确率,这说明算法是正确的,只是需要优化。
而现场录音和模版匹配时,则不能保证较高的正确率,这说明特征参数的提取这方面还不够完善。
特征参数提取的原则是类内距离尽量小,类间距离尽量大的原则,这是需要以后完善的地方。
GUI也需要优化,先生成一个模版库,然后用待测语音和模版库语音识别,让这个模版库孤立出来,不需要每次测试都要重复生成模版库,提高运算速率。
以后有机会可以实现连续语音的识别!
附件
这是全部代码文件
mfcc.mat文件是程序运行过程中生成的;
test文件夹里面存放了录音的模版:
这里是6个.M文件,如下:
1WienerScalart96.m
functionoutput=WienerScalart96(signal,fs,IS)
%output=WIENERSCALART96(signal,fs,IS)
%WienerfilterbasedontrackingaprioriSNRusingDecision-Directed
%method,proposedbyScalartetal96.Inthismethoditisassumedthat
%SNRpost=SNRprior+1.basedonthistheWienerFiltercanbeadaptedtoa
%modellikeEphraimsmodelinwhichwehaveagainfunctionwhichisa
%functionofaprioriSNRandaprioriSNRisbeingtrackedusingDecision
%Directedmethod.
%Author:
EsfandiarZavarehei
%Created:
MAR-05
if(nargin<3|isstruct(IS))
IS=.25;%InitialSilenceorNoiseOnlypartinseconds
end
W=fix(.025*fs);%Windowlengthis25ms
SP=.4;%Shiftpercentageis40%(10ms)%Overlap-Addmethodworksgoodwiththisvalue(.4)
wnd=hamming(W);
%IGNOREFROMHERE...............................
if(nargin>=3&isstruct(IS))%Thisoptionisforcompatibilitywithanotherprogramme
W=IS.windowsize
SP=IS.shiftsize/W;
%nfft=IS.nfft;
wnd=IS.window;
ifisfield(IS,'IS')
IS=IS.IS;
else
IS=.25;
end
end
%......................................UPTOHERE
pre_emph=0;
signal=filter([1-pre_emph],1,signal);
NIS=fix((IS*fs-W)/(SP*W)+1);%numberofinitialsilencesegments
y=segment(signal,W,SP,wnd);%Thisfunctionchopsthesignalintoframes
Y=fft(y);
YPhase=angle(Y(1:
fix(end/2)+1,:
));%NoisySpeechPhase
Y=abs(Y(1:
fix(end/2)+1,:
));%Specrogram
numberOfFrames=size(Y,2);
FreqResol=size(Y,1);
N=mean(Y(:
1:
NIS)')';%initialNoisePowerSpectrummean
LambdaD=mean((Y(:
1:
NIS)').^2)';%initialNoisePowerSpectrumvariance
alpha=.99;%usedinsmoothingxi(ForDeciesionDirectedmethodforestimationofAPrioriSNR)
NoiseCounter=0;
NoiseLength=9;%Thisisasmoothingfactorforthenoiseupdating
G=ones(size(N));%InitialGainusedincalculationofthenewxi
Gamma=G;
X=zeros(size(Y));%InitializeX(memoryallocation)
h=waitbar(0,'Wait...');
fori=1:
numberOfFrames
%%%%%%%%%%%%%%%%VADandNoiseEstimationSTART
ifi<=NIS%IfinitialsilenceignoreVAD
SpeechFlag=0;
NoiseCounter=100;
else%ElseDoVAD
[NoiseFlag,SpeechFlag,NoiseCounter,Dist]=vad(Y(:
i),N,NoiseCounter);%MagnitudeSpectrumDistanceVAD
end
ifSpeechFlag==0%IfnotSpeechUpdateNoiseParameters
N=(NoiseLength*N+Y(:
i))/(NoiseLength+1);%Updateandsmoothnoisemean
LambdaD=(NoiseLength*LambdaD+(Y(:
i).^2))./(1+NoiseLength);%Updateandsmoothnoisevariance
end
%%%%%%%%%%%%%%%%%%%VADandNoiseEstimationEND
gammaNew=(Y(:
i).^2)./LambdaD;%ApostirioriSNR
xi=alpha*(G.^2).*Gamma+(1-alpha).*max(gammaNew-1,0);%DecisionDirectedMethodforAPrioriSNR
Gamma=gammaNew;
G=(xi./(xi+1));
X(:
i)=G.*Y(:
i);%ObtainthenewCleanedvalue
waitbar(i/numberOfFrames,h,num2str(fix(100*i/numberOfFrames)));
end
close(h);
output=OverlapAdd2(X,YPhase,W,SP*W);%Overlap-addSynthesisofspeech
output=filter(1,[1-pre_emph],output);%UndotheeffectofPre-emphasis
functionReconstructedSignal=OverlapAdd2(XNEW,yphase,windowLen,ShiftLen);
%Y=OverlapAdd(X,A,W,S);
%Yisthesignalreconstructedsignalfromitsspectrogram.Xisamatrix
%witheachcolumnbeingthefftofasegmentofsignal.Aisthephase
%angleofthespectrumwhichshouldhavethesamedimensionasX.ifitis
%notgiventhephaseangleofXisusedwhichinthecaseofrealvaluesis
%zero(assumingthatitsthemagnitude).Wis
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Matlab 语音 识别 中的 应用