matlab语音识别系统源代码最新版.doc

目录 设计任务及要求………………………………………………1 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 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 演示分析…………………………………………………….9 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1~9的语音识别功能。 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