《语音识别系统实验报告.docx》由会员分享，可在线阅读，更多相关《语音识别系统实验报告.docx（17页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、语音识别系统试验报告专业班级：信息安全学号：姓名：名目一、设计任务及要求1二、语音识别的简洁介绍2.1 语者识别的概念22.2 特征参数的提取32.3 用矢量量化聚类法生成码本32.4 VQ 的说话人识别4三、算法程序分析3.1 函数关系43.2 代码说明53.2.1 函数 mfcc53.2.2 函数 disteu53.2.3 函数 vqlbg63.2.4 函数 test63.2.5 函数 testDB73.2.6 函数 train83.2.7 函数 melfb8四、演示分析9五、心得体会11附：GUI 程序代码12一、设计任务及要求实现语音识别功能。二、 语音识别的简洁介绍基于 VQ 的说话
2、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展分类，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，承受欧氏距离测度)，从而推断说话人是谁。语音识别系统构造框图如图 1 所示。2.1 语者识别的概念图 1 语音识别系统构造框图语者识别就是依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 语音都带有猛烈的个人颜色，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很多独特的优点，如语音是人的固有的特征
3、，不 会丧失或遗忘；语音信号的采集便利，系统设备本钱低；利用 网络还可实现远程客户效劳等。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便利， 而且属于非接触性，简洁被用户承受，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格外广泛： 今日，说话人识别技术已经关系到多学科的争论领域，不同领域中的进步都对说 话人识别的进展做出了奉献。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，应用需求将格外宽阔。在吃力语音信号的时候如何提取信号中关键
4、的成分尤为重要。语音信号的特征参数的好坏直接导致了区分的准确性。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展分帧、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：NX(k) = N -1 x(n)e- j 2pnk ,0 k N -11an=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
5、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，承受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。S(m) = ln(N-1 | Xak=10 m M -1(k) |2 Hm(k),2其中Hm(k) 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。C(n) = M-1 S (m)cos( p n(m - 0.5 / m),(3)m=00 n N -1MFCC 系数个数通常取 2030，常常不用 0 阶倒谱系数，由于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，
6、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，用一个码原来表征。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。本系统承受基于分裂的 LBG 的算法设计 VQ 码本， Xk列，B 为码本。具体实现过程如下：(k = 1,2, , K ) 为训练序1. 取提取出来的全部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依据以下规章分裂，形成2m个码字。B+ = B mmB- = Bmm(1+ e)(1
7、- e)4其中 m 从 1 变化到当前的码本的码字数，是分裂时的参数，本文=0.01。3. 依据得到的码本把全部的训练序列(特征矢量)进展分类，然后依据下面两个公式计算训练矢量量化失真量的总和 D n 以及相对失真(n为迭代次数，初始n=0，D -1 =，B为当前的码书)，假设相对失真小于某一阈值，迭代完毕，当前的码书就是设计好的2m个码字的码书，转。否则，转下一步。量化失真量和：D( n) = Kk =1min d ( Xk, B)5相对失真：D( n-1) - Dn|6Dn4. 重计算各个区域的型心，得到的码书，转 3。5. 重复 ， 和步，直到形成有M 个码字的码书(M 是所要求的码字数
8、)，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X1, XT ，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，假设 D 小于此阈值，则是原训练者，反之则认为不是原训练者。D = 1/ T mind(xj =1,B )7jm三、算法程序分析1mM在具体的实现过程当中，承受了 matlab 软件来帮助完成这个工程。在 matlab 中主要由采集，分析，特征提取，比对几个重要局部。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 Tra
9、in.m 和 Test.m在 Train.m 调用 Vqlbg.m 猎取训练录音的 vq 码本，而 Vqlbg.m 调用 mfcc.m 猎取单个录音的 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 计算训练录音供给 vq 码本与测试录音供给 mfccmel 倒谱系数的距离，即推断两声音是否为同一录音者供给。Disteu.m 调用 mfcc.m 猎取单个录音的 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
10、.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:nfor j = 1:nbFrameM(i, j) = s(j - 1) * m) + i);%对矩阵 M 赋值endendh = 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:nbFrameframe(:,i) = fft(M2(:, i);%对信号进展快速傅里叶变换 FFT e
11、ndt = 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 =
12、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endd = 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);endelseendcopies = 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d = d.0.5;3.2.3 函数 vq
13、lbg-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;for j = 1:2ir(:, j) = mean(d(:, find(ind = j), 2);x = disteu(d(:, find(ind = j), r(:, j); for q = 1:length(x)t = t + x(q
14、);endendif (dpr - t)/t) e) break;elsedpr = t;endendend3.2.4 函数 testfunction finalmsg = test(testdir, n, code)for k = 1:n% read test sound file of each speaker 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% 就推断一次，由于模板里面只有一个文件d = di
15、steu(v, code1);% 计算得到模板和要推断的声音之间的“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if dist distminmsg = sprintf(”第%d 位说话者与模板语音信号不匹配,不符合要求!n”, k); 设定endendfinalmsg = ”此位说话者不符合要求!”; %界面显示语句，可随便disp(msg);3.2.5 函数 testDB这个函数实际上是对数据库一个查询,依据测
16、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distmin = inf;k1 = 0;for l = 1:length(code)d = d
17、isteu(v, codel);dist = sum(min(d,2) / size(d,1); if dist distmin者的识别endenddistmin = dist;%这里和test函数里面一样 但多了一个具体语k1 = l;msg=nameListk1 msgbox(msg);end3.2.6 函数 train-该函数就是对音频进展训练，也就是提取特征参数function code = train(traindir, n)k = 16;% number of centroids requiredfor i = 1:n% 对数据库中的代码形成码本file = sprintf(”%s
18、s%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codei = vqlbg(v, k);% 训练 VQ 码本 通过矢量量化，得到原说话人的 VQ 码本end3.2.7 函数 melfb-确定矩阵的滤波器 function m = melfb(p, n, fs)f0 = 700 / fs; fn2 = floor(n/2);lr = log(1 +% convert to0.5/f0) / (p+1);f
19、ft bin numbers with0 for DC termbl = n * (f0* (exp(0 1 p p+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:b4 1:b3 + 1;v = 2 * 1-pm(b2:b4) pm(1:b3);m = sparse(r,
20、 c, v, p, 1+fn2)；四、 演示分析我们的功能分为两局部:对已经保存的 9 个数字的语音进展区分和实时的推断说话人说的是否为一个数.在前者的试验过程中,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.在其次个功能中,实时的录用一段说话人的声音作为模板,提取 mfcc 特征参数,随后紧接着进展遇着识别,也就是让其他人再说一样的话,看是否是原说话者.试验过程及具体功能如下：先翻开 Matlab 使 Current Directory 为录音及程序所所在的文件夹再翻开文件“enter.m”，点 run 运
21、行，翻开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翻开运行。如以下图 figure1figure1在对数据库中已有的语者进展识别模块:选择载入语音库语音个数；点击语音库录制模版进展已存语音信息的提取； 点击录音-test 进展现场录音；点击语者推断进展推断数字，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
22、击“实时语者识别”，在对测得的声音提取特征值的同时，和实时模板进展比对，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用的声音。想要测量屡次，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、 心得体会试验说明，该系统能较好地进展语音的识别，同时，基于矢量量化技术 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
23、对语音识别有了更加形象化的生疏，也强化了MATLAB 的应用，对将来的学习奠定了根底。附：GUI 程序代码function pushbutton1_Callback(hObject, eventdata, handles)% hObjecthandle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handlesstructure with handles and user data (see GUIDATA) Channel_Str=get(handle
24、s.popupmenu3,”String”); Channel_Number=str2double(Channel_Strget(handles.popupmenu3, ”Value”);global moodle;moodle = train(”模版”,Channel_Number) % - Executes on button press in pushbutton2.function pushbutton2_Callback(hObject, eventdata, handles)%hObjecthandle to pushbutton2 (see GCBO)%eventdatarese
25、rved - to be defined in a future version of MATLAB%handglobaldata1;global moodle ;test(”测试”,1,moodle)%function Open_Callback(hObject, eventdata, handles)% hObjecthandle to Open (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handlesstructure with handles and user data (
26、see GUIDATA) filename,pathname=uigetfile(”) file=get(handles.edits,filename,pathname) y,f,b=wavread(file);%function Exit_Callback(hObject, eventdata, handles)% hObjecthandle to Exit (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handlesstructure with handles and user d
27、ata (see GUIDATA) exit%function About_Callback(hObject, eventdata, handles)%hObjecthandle to About (see GCBO)%eventdatareserved - to be defined in a future version of MATLAB%handlesstructure with handles and user data (see GUIDATA)H=”语者识别”helpdlg(H,”help text”)%function File_Callback(hObject, eventd
28、ata, handles)%hObjecthandle to File (see GCBO)%eventdatareserved - to be defined in a future version of MATLAB%handlesstructure with handles and user data (see GUIDATA)%function Edit_Callback(hObject, eventdata, handles)%hObjecthandle to Edit (see GCBO)%eventdatareserved - to be defined in a future
29、version of MATLAB%handlesstructure with handles and user data (see GUIDATA)%function Help_Callback(hObject, eventdata, handles)% hObjecthandle to Help (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handlesstructure with handles and user data (see GUIDATA)% - Executes o
30、n button press in pushbutton7.function pushbutton7_Callback(hObject, eventdata, handles)% hObjecthandle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handlesstructure with handles and user data (see GUIDATA) msg=”请速度录音”msgbox(msg)clearglobal data1;%glob
31、al dataDN1;AI = analoginput(”winsound”); chan = addchannel(AI,1:2);duration = 3; %1 second acquisition set(AI,”SampleRate”,8000) ActualRate = get(AI,”SampleRate”);set(AI,”SamplesPerTrigger”,duration*ActualRate) set(AI,”TriggerType”,”Manual”)blocksize = get(AI,”SamplesPerTrigger”); Fs = ActualRate;st
32、art(AI) trigger(AI)data1,time,abstime,events = getdata(AI); fname=sprintf(”E:Matlab语音识别系统实时模版s1.wav”)%dataDN1=wden(data1,”heursure”,”s”,”one”,5,”sym8”);denoisewavwrite(data1,fname)msgbox(fname)% - Executes on button press in pushbutton8.function pushbutton8_Callback(hObject, eventdata, handles)% hOb
33、jecthandle to pushbutton8 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handlesstructure with handles and user data (see GUIDATA) global data1;%global dataDN1; sound(data1)%sound(dataDN1)axes(handles.axes1)%set to plot at axes1 plot(data1);%plot(dataDN1);xlabel(”训练采样序
34、列”),ylabel(”信号幅”);%xlabel(”),ylabel(”sym8”); grid on;clear% - Executes on button press in pushbutton9.function pushbutton9_Callback(hObject, eventdata, handles)% hObjecthandle to pushbutton9 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handlesstructure with handles a
35、nd user data (see GUIDATA) msg=”请速度录音”msgbox(msg)clearglobal data2;%global dataDN2;AI = analoginput(”winsound”); chan = addchannel(AI,1:2);duration = 3; %1 second acquisition set(AI,”SampleRate”,8000) ActualRate = get(AI,”SampleRate”);set(AI,”SamplesPerTrigger”,duration*ActualRate) set(AI,”TriggerTy
36、pe”,”Manual”)blocksize = get(AI,”SamplesPerTrigger”); Fs = ActualRate;start(AI) trigger(AI)data2,time,abstime,events = getdata(AI); fname=sprintf(”E:Matlab语音识别系统测试s1.wav”)%dataDN1=wden(data1,”heursure”,”s”,”one”,5,”sym8”);denoisewavwrite(data2,fname) msgbox(fname)% - Executes on button press in push
37、button10.function pushbutton10_Callback(hObject, eventdata, handles)%hObjecthandle to pushbutton10 (see GCBO)%eventdatareserved - to be defined in a future version of MATLAB%handlesstructure with handles and user data (see GUIDATA)global data2;%global dataDN2; sound(data2)%sound(dataDN2)axes(handles
38、.axes2)%set to plot at axes1 plot(data2);%plot(dataDN2);xlabel(”测试采样序列”),ylabel(”信号幅”);%xlabel(”),ylabel(”sym8”);% grid on;clear% - Executes on button press in pushbutton11.function pushbutton11_Callback(hObject, eventdata, handles)%hObjecthandle to pushbutton11 (see GCBO)%eventdatareserved - to be
39、defined in a future version of MATLAB%handlesstructure with handles and user data (see GUIDATA)global moodle ; testDB(”测试”,1,moodle)% - Executes on button press in pushbutton12.function pushbutton12_Callback(hObject, eventdata, handles)%hObjecthandle to pushbutton12 (see GCBO)%eventdatareserved - to
40、 be defined in a future version of MATLAB%handlesstructure with handles and user data (see GUIDATA)global moodle;moodle = train(”实时模板”,1)% - Executes on selection change in popupmenu3. function popupmenu3_Callback(hObject, eventdata, handles)%hObjecthandle to popupmenu3 (see GCBO)%eventdatareserved
41、- to be defined in a future version of MATLAB%handlesstructure with handles and user data (see GUIDATA)% Hints: contents = get(hObject,”String”) returns popupmenu3 contents as cell array%contentsget(hObject,”Value”) returns selected item from popupmenu3str=get(handles.popupmenu3,”String”); val=str2n
42、um(strget(handles.popupmenu3,”Value”);switch valcase1case2case3case4case5case6case7case8case9end% - Executes during object creation, after setting all properties. function popupmenu3_CreateFcn(hObject, eventdata, handles)% hObjecthandle to popupmenu3 (see GCBO)% eventdata reserved - to be defined in
43、 a future version of MATLAB% handlesempty- handles not created until after all CreateFcns called% Hint: popupmenu controls usually have a white background on Windows.%See ISPC and COMPUTER.if ispc & isequal(get(hObject,”BackgroundColor”), get(0,”defaultUicontrolBackgroundColor”)set(hObject,”BackgroundColor”,”white”);end% - Executes on button press in pushbutton9.function pu