【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，苛刻，扎實細致的工作作風一直在我實例給我起指明燈的作用；其次，還要感謝方剛同學對我的幫助，沒有他們的幫助和耐心解釋、鼓勵，這次課程設計也不會完成的如此的順利。比如：端點檢測算法的運行DTW算法等等，最終通過論導師以及同學的解答，均解決了。數(shù)字123456789100010正確數(shù)8910710879981095錯誤數(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)通過這次設計，了解了語音識別的發(fā)展歷史以及在語音識別中每個算法的原理。采樣頻率為8kHz語音，語音幀長20ms，一幀分為256點，幀移為80，采用漢明窗的窗函數(shù)。通過讀取（uigetfile函數(shù)），用戶可以打開文件并讀取語音信號波形。在MATLAB窗口中選擇自己弄好的GUI的路徑，打開GUI。這時會自動生成一個FIG文件和一個M文件，F(xiàn)IG文件會提示保存路徑。其能夠使使用者的學習和使用更為方便、簡單。接著通過DTW算法進行匹配并計算它們的dist距離?？紤]到邊界問題，有些前續(xù)格點可能不存在，因此要加用一些判斷條件。對于x軸上每前進一幀，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所示信號輸入幀匹配距離矩陣累積距離矩陣動態(tài)規(guī)劃信號輸出圖62 DTW算法流程首先申請兩個n*m的矩陣D和d，分別為累計距離和幀匹配距離。另外，因為每一列各格點上的匹配計算只用到了前一列的3個網(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。對齊可以采用線性擴張的方法，如果NM可以將T線性映射為一個M幀的序列，再計算它與之間的距離。為了計算這一失真距離，應從T和R中各個對應幀之間的距離算起。已存入模板庫的各個詞條稱為參考模板，一個參考模板可以表示為，m為訓練語音幀的時序標號，m=1為起點語音幀，m=M為終點語音幀，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個濾波組后得到功率值，也就是在各離散頻率點上將S(n)和Hm(n)的乘積并相加，得到M個參數(shù)Pm，m=0,1,……M1；（4）對數(shù)的計算：得到Lm，m=0,1,……M1；6特定人語音識別算法DTW算法語音識別中較為經(jīng)典的一種算法是DTW算法(動態(tài)時間規(guī)整)。濾波器是一個簡單的三角形的頻域濾波器的中心頻率，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比率、中位值乘上某個比率、最小值乘上某個常數(shù)、前三幀平均值乘上某個常數(shù)等。當參數(shù)降至低門限則認為進入結(jié)束。在開始檢測之前需要設定4個門限，即分別為短時能量和短時過零率各設置一個高門限和一個低門限：EHigh、ELow和ZHigh、ZLow。這些都可以通過設置最短時間門限來判定。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算短時能量及過零率后，并調(diào)整好能量門限，接下里進入到最關鍵的一步，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，就應該開始標記起始點，進入過渡段。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。短時過零表示一幀語音信號波形穿過橫軸(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8kHz的采樣頻率，30ms的幀長對應240點，記為N，而10ms的幀移對應為80點，記為M。這樣只要設定一個門限，當語音信號幅度超過這個門限時，就當作語音開始，當幅度降低到門限以下時就認為語音結(jié)束。高門限被超過的話則可以基本確定是由于語音信號引起的。（3）短時過零的作用：檢測清音。語音端點檢測是指用計算機數(shù)字處理技術從包含語音的一段信號中找出起始點及結(jié)束點，從而只存儲和處理有效語音信號。但是在錄音的時候，wavrecord函數(shù)有很大的局限性，在錄制語音的時候必須事先制定語音的時間。y=wavrecord(5*Fs,Fs,’int16’)。其中n為樣本個數(shù)，F(xiàn)s為頻率，默認值為11025，本設計采用16000，ch為通道數(shù)，默認為1，若為2，則表示采樣為雙聲道立體聲數(shù)據(jù)，本設計ch為1Audiorecorder函數(shù)也可以用來錄制音頻，但在本次設計的操作上，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。訓練識別參考 模塊識別結(jié)果語音輸入預處理特征提取測度估計模板庫識別決策專家知識 語音識別總體架構(gòu)3 MATLAB中的語音信號的采集語音信號的采集也可以使用Windows中的“錄音機”。由于語音信號是一種典型的非平穩(wěn)信號，加之呼吸氣流、外部噪音、電流干擾等使得語音信號不能直接用于提取特征，而要進行前期的預處理。中科院自動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算平臺和應用的“天語”中文語音系列產(chǎn)品——PattekASR，結(jié)束了中文語音識別產(chǎn)品自1998年以來一直由國外公司壟斷的歷史。清華大學電子工程系語音技術與專用芯片設計課題組，研發(fā)的非特定人漢語數(shù)碼串連續(xù)語音識別系統(tǒng)的識別精度，%（不定長數(shù)字串）%（定長數(shù)字串）。從1987年開始執(zhí)行國家863計劃后，國家863智能計算機專家組為語音識別技術研究專門立項，每兩年滾動一次。該系統(tǒng)對新聞語音識別具有較高的精度，是目前具有代表性的漢語連續(xù)語音識別系統(tǒng)。T和NTT都對語音識別系統(tǒng)的實用化研究投以巨資。但是真正取得實質(zhì)性進展，并將其作為一個重要的課題開展研究則是在60年代末70年代初。國外的語音識別方面的研究工作可以追溯到20世紀50年代ATamp。它要求人工智能計算機能說會聽，應此要求出現(xiàn)了語音識別和語音合成兩門學科。本次設計錄制0~10的數(shù)字做為參考庫（model），測試庫（test）中為需要測試及識別的語音，0的序號為11，1~9的數(shù)字以相應數(shù)字做為文件名的命名。目錄1概述 2 2 2 3 42語音識別系統(tǒng)的概述 43 MATLAB中的語音信號的采集 4 wavrecord函數(shù) 4 wavplay函數(shù) 64語音信號的端點檢測 6 6 8 9 115語音識別參數(shù)提取 12 MFCC的基本原理 126特定人語音識別算法DTW算法 13 14 167 GUI界面的設計 17 17 18總結(jié) 20致謝 21參考文獻 22附件 23基于MATLAB的特定人語音識別算法設計摘要在高度發(fā)達的社會，語言是一種人類交流最方便的，最速度的信息，在高度發(fā)達的社會中，用數(shù)字化的方式舉行語音的保存、傳遞、判別、加強和合成等是全部數(shù)字化通信過程中最基礎、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。其中人機自然語言的接口是一個非常重要的部分。同時特定人語音識別系統(tǒng)具有廣闊的應用前景，比如工業(yè)命令控制、計算機控制、家庭電器服務、個人移動通信呼叫等，尤其當人手已被占用或無法使用的情況下必須進行聲音控制時，更可以起到不可替代的作用，這項技術將給人們的日常生活帶來極大的便利。TBell實驗室Rabiner等科學家的努力，他們把原本艱澀的HMM純數(shù)學模型工程化，從而為更多研究者了解和認識，從而使統(tǒng)計方法成為了語音識別技術的主流。20世紀90年代前期，許多著名的大公司如IBM、蘋果、ATamp。它帶有一個32,000詞的基本詞匯表，可以擴展到65,000詞,還包括辦公常用詞條，具有“糾錯機制”，其平均識別率可以達到95%。研究水平也從實驗室逐步走向?qū)嵱谩膱D中可以看出語音識別系統(tǒng)的本質(zhì)就是一種模式識別系統(tǒng)，它也包括特征提取、模式匹配、參考模式庫等基本單元。在識別階段，語音信號經(jīng)過相同的通道得到語音參數(shù)，生成測試模板，與參考模板進行匹配，將匹配分數(shù)最高的參考模板作為識別結(jié)果。y = wavrecord(n,Fs,ch)。舉個例子：Fs=16000。圖31 語音信號波形 在MATLAB平臺處理語音信號時，可以通過wavplay函數(shù)回放錄制好了的語音，次函數(shù)具有快速檢驗數(shù)據(jù)和計算可靠性。4語音信號的端點檢測無論是測試和建立模板階段還是在識別階段，都先采用端點檢測算法確定語音的起點和終點。圖41端點檢測算法流程圖（1）歸一化：為了后面處理方便，通常將讀取的語音信號進行