【正文】 e GUI allows only one% instance to run (singleton).%% See also: GUIDE, GUIDATA, GUIHANDLES% Copyright 20022003 The MathWorks, Inc.% Edit the above text to modify the response to help GUI% Last Modified by GUIDE 30Apr2015 22:25:50% Begin initialization code DO NOT EDITgui_Singleton = 1。Property39。 第一，我要感謝我的良師益友陳潔老師是她精細(xì)，苛刻，扎實(shí)細(xì)致的工作作風(fēng)一直在我實(shí)例給我起指明燈的作用；其次，還要感謝方剛同學(xué)對(duì)我的幫助，沒有他們的幫助和耐心解釋、鼓勵(lì)，這次課程設(shè)計(jì)也不會(huì)完成的如此的順利。比如：端點(diǎn)檢測(cè)算法的運(yùn)行DTW算法等等，最終通過論導(dǎo)師以及同學(xué)的解答，均解決了。數(shù)字123456789100010正確數(shù)8910710879981095錯(cuò)誤數(shù)2103023112015正確率80%90%100%70%100%80%70%90%90%80%100%86%表11 結(jié)果分析總結(jié)通過這次設(shè)計(jì)，了解了語音識(shí)別的發(fā)展歷史以及在語音識(shí)別中每個(gè)算法的原理。采樣頻率為8kHz語音，語音幀長(zhǎng)20ms，一幀分為256點(diǎn)，幀移為80，采用漢明窗的窗函數(shù)。通過讀?。╱igetfile函數(shù)），用戶可以打開文件并讀取語音信號(hào)波形。在MATLAB窗口中選擇自己弄好的GUI的路徑，打開GUI。這時(shí)會(huì)自動(dòng)生成一個(gè)FIG文件和一個(gè)M文件，F(xiàn)IG文件會(huì)提示保存路徑。其能夠使使用者的學(xué)習(xí)和使用更為方便、簡(jiǎn)單。接著通過DTW算法進(jìn)行匹配并計(jì)算它們的dist距離?？紤]到邊界問題，有些前續(xù)格點(diǎn)可能不存在，因此要加用一些判斷條件。對(duì)于x軸上每前進(jìn)一幀，雖然所要比較的y軸上的幀數(shù)不同，但彎折特性是一樣的，累積距離的更新都是用下式實(shí)現(xiàn)的：D(x，y) = d(x，y)+min[D(x1，y)，D(x1，y1)，D(x1，y2)]通過DTW算法原理，得出DTW算法的流程如圖62所示信號(hào)輸入幀匹配距離矩陣?yán)鄯e距離矩陣動(dòng)態(tài)規(guī)劃信號(hào)輸出圖62 DTW算法流程首先申請(qǐng)兩個(gè)n*m的矩陣D和d，分別為累計(jì)距離和幀匹配距離。另外，因?yàn)槊恳涣懈鞲顸c(diǎn)上的匹配計(jì)算只用到了前一列的3個(gè)網(wǎng)格，所以沒有必要保存所有的幀匹配距離矩陣和累積距離矩陣。它的一條邊斜率為2，另一條邊斜率為1/2。對(duì)齊可以采用線性擴(kuò)張的方法，如果NM可以將T線性映射為一個(gè)M幀的序列，再計(jì)算它與之間的距離。為了計(jì)算這一失真距離，應(yīng)從T和R中各個(gè)對(duì)應(yīng)幀之間的距離算起。已存入模板庫的各個(gè)詞條稱為參考模板，一個(gè)參考模板可以表示為，m為訓(xùn)練語音幀的時(shí)序標(biāo)號(hào)，m=1為起點(diǎn)語音幀，m=M為終點(diǎn)語音幀，因此M為該模板所包含的語音幀總數(shù)，R（m）為第m幀語音特征矢量。圖52 DTW功率譜圖（3）將離散功率譜經(jīng)過濾波器組：將S(n)通過M個(gè)濾波組后得到功率值，也就是在各離散頻率點(diǎn)上將S(n)和Hm(n)的乘積并相加，得到M個(gè)參數(shù)Pm，m=0,1,……M1；（4）對(duì)數(shù)的計(jì)算：得到Lm，m=0,1,……M1；6特定人語音識(shí)別算法DTW算法語音識(shí)別中較為經(jīng)典的一種算法是DTW算法(動(dòng)態(tài)時(shí)間規(guī)整)。濾波器是一個(gè)簡(jiǎn)單的三角形的頻域?yàn)V波器的中心頻率，F(xiàn)M是均勻地分布在頻率軸。其特征提取的過程如圖51所示。常見的方法有最大值乘上某個(gè)比率、中位值乘上某個(gè)比率、最小值乘上某個(gè)常數(shù)、前三幀平均值乘上某個(gè)常數(shù)等。當(dāng)參數(shù)降至低門限則認(rèn)為進(jìn)入結(jié)束。在開始檢測(cè)之前需要設(shè)定4個(gè)門限，即分別為短時(shí)能量和短時(shí)過零率各設(shè)置一個(gè)高門限和一個(gè)低門限：EHigh、ELow和ZHigh、ZLow。這些都可以通過設(shè)置最短時(shí)間門限來判定。圖43 數(shù)字“6”的過零率波形圖圖44 數(shù)字“4”的過零率波形圖完成計(jì)算短時(shí)能量及過零率后，并調(diào)整好能量門限，接下里進(jìn)入到最關(guān)鍵的一步，即變量status分析，status可以分為四種狀態(tài)：（1）在靜音段，如果能量或過零率超越了低門限，就應(yīng)該開始標(biāo)記起始點(diǎn)，進(jìn)入過渡段。從圖中可以看到清音‘S’的過零率明顯高于其后的‘L’音，有聲段過零率明顯高于無聲段，但在鼻音階段過零率迅速滑落到無聲水平而能量值則是緩慢下滑。短時(shí)過零表示一幀語音信號(hào)波形穿過橫軸(零電平)的次數(shù)。語音段的能量比噪聲段的大,語音段的能量是噪聲段能量疊加語音聲波能量的和。如聲母“s”、“c”等的幅度就很低。比如：一個(gè)8kHz的采樣頻率，30ms的幀長(zhǎng)對(duì)應(yīng)240點(diǎn)，記為N，而10ms的幀移對(duì)應(yīng)為80點(diǎn)，記為M。這樣只要設(shè)定一個(gè)門限，當(dāng)語音信號(hào)幅度超過這個(gè)門限時(shí)，就當(dāng)作語音開始，當(dāng)幅度降低到門限以下時(shí)就認(rèn)為語音結(jié)束。高門限被超過的話則可以基本確定是由于語音信號(hào)引起的。（3）短時(shí)過零的作用：檢測(cè)清音。語音端點(diǎn)檢測(cè)是指用計(jì)算機(jī)數(shù)字處理技術(shù)從包含語音的一段信號(hào)中找出起始點(diǎn)及結(jié)束點(diǎn)，從而只存儲(chǔ)和處理有效語音信號(hào)。但是在錄音的時(shí)候，wavrecord函數(shù)有很大的局限性，在錄制語音的時(shí)候必須事先制定語音的時(shí)間。y=wavrecord(5*Fs,Fs,’int16’)。其中n為樣本個(gè)數(shù)，F(xiàn)s為頻率，默認(rèn)值為11025，本設(shè)計(jì)采用16000，ch為通道數(shù)，默認(rèn)為1，若為2，則表示采樣為雙聲道立體聲數(shù)據(jù)，本設(shè)計(jì)ch為1Audiorecorder函數(shù)也可以用來錄制音頻，但在本次設(shè)計(jì)的操作上，通常采用的語音格式以wav格式為主，在保存語音上，uiputfile能更好的與wavrecord相結(jié)合，所以用wavrecord比較好。訓(xùn)練識(shí)別參考 模塊識(shí)別結(jié)果語音輸入預(yù)處理特征提取測(cè)度估計(jì)模板庫識(shí)別決策專家知識(shí) 語音識(shí)別總體架構(gòu)3 MATLAB中的語音信號(hào)的采集語音信號(hào)的采集也可以使用Windows中的“錄音機(jī)”。由于語音信號(hào)是一種典型的非平穩(wěn)信號(hào)，加之呼吸氣流、外部噪音、電流干擾等使得語音信號(hào)不能直接用于提取特征，而要進(jìn)行前期的預(yù)處理。中科院自動(dòng)化所及其所屬模式科技(Pattek)公司2002年發(fā)布了他們共同推出的面向不同計(jì)算平臺(tái)和應(yīng)用的“天語”中文語音系列產(chǎn)品——PattekASR，結(jié)束了中文語音識(shí)別產(chǎn)品自1998年以來一直由國(guó)外公司壟斷的歷史。清華大學(xué)電子工程系語音技術(shù)與專用芯片設(shè)計(jì)課題組，研發(fā)的非特定人漢語數(shù)碼串連續(xù)語音識(shí)別系統(tǒng)的識(shí)別精度，%（不定長(zhǎng)數(shù)字串）%（定長(zhǎng)數(shù)字串）。從1987年開始執(zhí)行國(guó)家863計(jì)劃后，國(guó)家863智能計(jì)算機(jī)專家組為語音識(shí)別技術(shù)研究專門立項(xiàng)，每?jī)赡隄L動(dòng)一次。該系統(tǒng)對(duì)新聞?wù)Z音識(shí)別具有較高的精度，是目前具有代表性的漢語連續(xù)語音識(shí)別系統(tǒng)。T和NTT都對(duì)語音識(shí)別系統(tǒng)的實(shí)用化研究投以巨資。但是真正取得實(shí)質(zhì)性進(jìn)展，并將其作為一個(gè)重要的課題開展研究則是在60年代末70年代初。國(guó)外的語音識(shí)別方面的研究工作可以追溯到20世紀(jì)50年代ATamp。它要求人工智能計(jì)算機(jī)能說會(huì)聽，應(yīng)此要求出現(xiàn)了語音識(shí)別和語音合成兩門學(xué)科。本次設(shè)計(jì)錄制0~10的數(shù)字做為參考庫（model），測(cè)試庫（test）中為需要測(cè)試及識(shí)別的語音，0的序號(hào)為11，1~9的數(shù)字以相應(yīng)數(shù)字做為文件名的命名。目錄1概述 2 2 2 3 42語音識(shí)別系統(tǒng)的概述 43 MATLAB中的語音信號(hào)的采集 4 wavrecord函數(shù) 4 wavplay函數(shù) 64語音信號(hào)的端點(diǎn)檢測(cè) 6 6 8 9 115語音識(shí)別參數(shù)提取 12 MFCC的基本原理 126特定人語音識(shí)別算法DTW算法 13 14 167 GUI界面的設(shè)計(jì) 17 17 18總結(jié) 20致謝 21參考文獻(xiàn) 22附件 23基于MATLAB的特定人語音識(shí)別算法設(shè)計(jì)摘要在高度發(fā)達(dá)的社會(huì)，語言是一種人類交流最方便的，最速度的信息，在高度發(fā)達(dá)的社會(huì)中，用數(shù)字化的方式舉行語音的保存、傳遞、判別、加強(qiáng)和合成等是全部數(shù)字化通信過程中最基礎(chǔ)、最重要的組成的一部分。最后在用戶開發(fā)界面（GUI界面）直觀地呈現(xiàn)出來。其中人機(jī)自然語言的接口是一個(gè)非常重要的部分。同時(shí)特定人語音識(shí)別系統(tǒng)具有廣闊的應(yīng)用前景，比如工業(yè)命令控制、計(jì)算機(jī)控制、家庭電器服務(wù)、個(gè)人移動(dòng)通信呼叫等，尤其當(dāng)人手已被占用或無法使用的情況下必須進(jìn)行聲音控制時(shí)，更可以起到不可替代的作用，這項(xiàng)技術(shù)將給人們的日常生活帶來極大的便利。TBell實(shí)驗(yàn)室Rabiner等科學(xué)家的努力，他們把原本艱澀的HMM純數(shù)學(xué)模型工程化，從而為更多研究者了解和認(rèn)識(shí)，從而使統(tǒng)計(jì)方法成為了語音識(shí)別技術(shù)的主流。20世紀(jì)90年代前期，許多著名的大公司如IBM、蘋果、ATamp。它帶有一個(gè)32,000詞的基本詞匯表，可以擴(kuò)展到65,000詞,還包括辦公常用詞條，具有“糾錯(cuò)機(jī)制”，其平均識(shí)別率可以達(dá)到95%。研究水平也從實(shí)驗(yàn)室逐步走向?qū)嵱?。從圖中可以看出語音識(shí)別系統(tǒng)的本質(zhì)就是一種模式識(shí)別系統(tǒng)，它也包括特征提取、模式匹配、參考模式庫等基本單元。在識(shí)別階段，語音信號(hào)經(jīng)過相同的通道得到語音參數(shù)，生成測(cè)試模板，與參考模板進(jìn)行匹配，將匹配分?jǐn)?shù)最高的參考模板作為識(shí)別結(jié)果。y = wavrecord(n,Fs,ch)。舉個(gè)例子：Fs=16000。圖31 語音信號(hào)波形 在MATLAB平臺(tái)處理語音信號(hào)時(shí)，可以通過wavplay函數(shù)回放錄制好了的語音，次函數(shù)具有快速檢驗(yàn)數(shù)據(jù)和計(jì)算可靠性。4語音信號(hào)的端點(diǎn)檢測(cè)無論是測(cè)試和建立模板階段還是在識(shí)別階段，都先采用端點(diǎn)檢測(cè)算法確定語音的起點(diǎn)和終點(diǎn)。圖41端點(diǎn)檢測(cè)算法流程圖（1）歸一化：為了后面處理方便，通常將讀取的語音信號(hào)進(jìn)行