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）》请在冰点文库上搜索。
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（Ncopies=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）;
ifdistdistmin=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
升级会员 