matlab语音识别系统
基于MATLAB VQ算法的说话人识别系统[声纹系统,GUI界面]
- 课题介绍
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
二、概念介绍
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。
2.4 VQ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、算法程序分析及源码
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:
function r = mfcc(s, fs)
---
m = 100;
n = 256;
l = length(s);
nbFrame = floor((l - n) / m) + 1; %沿-∞方向取整
for i = 1:n
for j = 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;
for i = 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
function d = 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 < P)%在两个音频时间长度相等的前提下copies = zeros(1,P);for n = 1:Nd(n,:) = sum((x(:, n+copies) - y) .^2, 1);end
elsecopies = zeros(1,N);for p = 1:Pd(:,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
function r = vqlbg(d,k)
e = .01;
r = mean(d, 2);
dpr = 10000;
for i = 1:log2(k)r = [r*(1+e), r*(1-e)];while (1 == 1)z = disteu(d, r);[m,ind] = min(z, [], 2);t = 0;if (((dpr - t)/t) < e)break;elsedpr = t;endend
end
3.2.4函数test
function finalmsg = test(testdir, n, code)for k = 1:n % read test sound file of each speakerfile = 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msgc = sprintf('与模板语音信号的差值为:%10f ', dist);disp(msgc); %此人匹配 if dist <= 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 if dist > 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
end3.2.5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
function testmsg = 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
for k = 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msg=nameList{k1}msgbox(msg);
end3.2.6 函数train
---该函数就是对音频进行训练,也就是提取特征参数
function code = train(traindir, n)k = 16; % number of centroids required
for i = 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);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
- GUI示例效果
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Current Directory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。
matlab语音识别系统相关推荐
- matlab语音识别系统(源代码),matlab语音识别系统(源代码)最新版DOC.doc
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--------------- ...
- 【语音识别】动态时间规整算法(RTW)语音识别系统【含GUI Matlab源码 341期】
⛄一.动态时间规整算法(RTW)语音识别 软件算法主要分为语音信号滤波去噪.预加重.分帧.端点检测.特征参数提取.模式匹配.算法的关键点和难点是特征参数提取和模式匹配.孤立词的语音识别应用程序也是基于 ...
- matlab参数是差分的,第13章 基于MATLAB的语音识别系统
对特征参数的要求: 1)提取的特征参数能有效地代表语音特征,具有很好的区分性: 2)各阶参数之间有良好的独立性: 3)特征参数要计算方便,最好有高效的计算方法,以保证语音识别的实时实现. 声带可以有周 ...
- 【语音识别】基于matlab GUI动态时间规整算法(RTW)语音识别系统【含Matlab源码 341期】
⛄一.动态时间规整算法(RTW)语音识别 软件算法主要分为语音信号滤波去噪.预加重.分帧.端点检测.特征参数提取.模式匹配.算法的关键点和难点是特征参数提取和模式匹配.孤立词的语音识别应用程序也是基于 ...
- 大热的麦克风阵列语音识别系统的设计和轻松实现,提供软硬件解决方案
本文引用地址:http://www.eepw.com.cn/article/201706/348732.htm 摘要: 在非近距离语音识别中,由于衰减.干扰.混响等因素的影响,使语音识别率显著降低.使 ...
- MATLAB语音识别
广告关闭 腾讯云双11爆品提前享,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高满返5000元! 国内语音识别行业的佼佼者科大讯飞的语音听写准确率则达到了95%,表现强悍. 国内诸 ...
- 基于DTW和HMM算法的语音识别系统对比研究-毕业小结
论文导读:别算法 (一)动态时间归整算法 发音具有随机性,同一个人在不同时间,不同场合对同一摘自:7彩论文网写毕业论文经典的网站http://www.7ctime.com个字的发音长度都不是完全一样的 ...
- 孤立汉语数字语音识别系统
摘要:本文通过提取声音信号的Mel倒谱系数作为特征,利用动态时间规整技术实现匹配算法,实现了特定人孤立汉语数字语音的识别,并利用Matlab编写了简单的图形用户界面. 关键词:语音识别:MFCC:DT ...
- stm32语音识别文字显示_STM32实现孤立词语音识别系统
语音识别是机器通过识别和理解过程把人类的语音信号转变为相应文本或命令的技术,其根本目的是研究出一种具有听觉功能的机器.本设计研究孤立词语音识别系统及其在STM32嵌入式平台上的实现.识别流程是:预滤波 ...
最新文章
- Jmeter入门实战(二)如何使用Jmeter的BeanShell断言,把响应数据中的JSON跟数据库中的记录对比...
- mass Framework emitter模块
- 怎么转换html格式文件怎么打开,html格式怎么转换
- 物理机Windoes上运行VWware 虚拟机连接外部物理机、外部网络的方法
- HUT-1556 网址
- 2016年腾讯产品笔试真题
- CCF NOI1123 A-B
- codeforces 650B - Image Preview
- Iphone代码创建视图
- stm32看门狗_STM32单片机:独立看门狗、窗口看门狗的配置
- SSH远程连接:简单的连接
- IOCP模型TCP服务器
- STM32CubeMX使用(五)之IIC及数字加速度计LIS2DW12使用
- 趣图:SQL 版的喝椰汁,没想到吧
- 那些让人忍不住推荐的思维导图软件
- 用java web实现聊天室_java web实现简单聊天室
- November Matrix的算力革命之路
- 计算机化验中红细胞的测量程序,血液常规检查检验程序.doc
- mongodb报错:Problem inserting to mongo collection: no reachable servers
- Wireline SerDes,高速信号的均衡技术
热门文章
- 关于微信小程序云开发,申请退款接口返回“订单不存在”的问题
- 自考《管理经济学》之宏观理解
- 【总结整理】面试pm常见的问题---摘自《人人都是产品经理》
- python编程语言可以做游戏吗_python合不合适用来写游戏
- matlab符号矩阵入门
- 为什么总有iPhone游戏那么好玩呢? iSlash,Slice It
- mysql 查询当月当天数据量
- 使用Wechaty搭建微信文件日程匣子
- FY4A数据读取与插值
- CentOS Linux release 7.4.1708 (Core)操作系统安全加固