【正文】 ,i,j)。catch breakendenddist=zeros(a1,b1)。,i)。 [x1 x2]=vad(x,fs)。global x2。[S,fs]=wavread(file)。39。guidata(hObject, handles)。guidata(hObject, handles)。168。*.wav39。% Executes on button press in pushbutton11.function pushbutton11_Callback(hObject, eventdata, handles)% hObject handle to pushbutton11 (see GCBO)% eventdata reserved to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global b。file=[L,fname]。Allfiles(*.*)39。global x2。str=strcat(pathname,filename)。39。axes()。 a=wavrecord(t*fs,fs)。end% End initialization code DO NOT EDIT% Executes just before GUI is made visible.function GUI_OpeningF(hObject, eventdata, handles, varargin)% This function has no output args, see OutputF.% hObject handle to figure% eventdata reserved to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% varargin mand line arguments to GUI (see VARARGIN)% Choose default mand line output for GUI = hObject。, [] , ... 39。, mfilename, ... 39。,hObject,eventData,handles,...) calls the local% function named CALLBACK in with the given input arguments.%% GUI(39。在本次設(shè)計中遇到的難題有很多。圖73運(yùn)行結(jié)果圖本設(shè)計采用端點檢測算法，再經(jīng)過特征提取，最后運(yùn)用DTW算法來實現(xiàn)語音的識別。待所有按鈕的功能的回調(diào)函數(shù)都編寫完畢后，點擊保存，然后點擊菜單欄中的三角形按鈕，則會彈出用戶開發(fā)界面，在該用戶開發(fā)界面中，用戶可以單擊按鈕以實現(xiàn)該按鈕所擁有的功能。它讓我們用戶自己定制MATLAB與用戶的交互方法，使命令窗口不是唯一與MATLAB的交互方式。接下來進(jìn)行動態(tài)規(guī)劃，為每個格點(i,j)都計算其三個可能的前續(xù)格點的累積距離1D，2D和3D。圖61 DTW原理圖由于在模板匹配過程中限定了彎折的斜率，因此平行四邊形之外的格點對應(yīng)的幀匹配距離是不需要計算的。若N=M則可以直接計算，否則要考慮將T（n）和R（m）對齊。不管是在測試和建立參考模塊還是在識別階段，語音的起點和終點都必須用端點檢測來確定。 n=0,1,…,N/21 M是濾波器的數(shù)目，通常取24；一幀語音信號的點數(shù)為N，通常取256，這樣計算FFT的方便。門限值的設(shè)置還沒有一個通用可靠的方法，需要根據(jù)經(jīng)驗和特定環(huán)境進(jìn)行調(diào)整。圖45 端點檢測結(jié)果雙門限端點檢測顧名思義需要兩級檢測，即短時能量檢測和短時過零率檢測。在本系統(tǒng)中經(jīng)多次試驗取定δ=。因此在許多場合會將En用下式來代替：這樣就不會因為取平方而造成信號的小取樣值的大取樣值出現(xiàn)較大差異。但是這種算法并不可靠，因為人的發(fā)音有濁音和清音之分，濁音為聲帶振動發(fā)出，幅度高，周期性明顯，而清音則不會有聲帶的震動，只是靠空氣在口腔中的摩擦和沖擊，其短時能量一般比較小。于是我們可以用信號的幅度作為特征來區(qū)分靜音和語音。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(jìn)行歸一化到[1,1]（2）短時能量的作用： 可以較好地區(qū)分出濁音和靜音。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。y = wavrecord(n,Fs,ch)。從圖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。它帶有一個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“糾錯機(jī)制”，其平均識別率可以達(dá)到95%。20世紀(jì)90年代前期，許多著名的大公司如IBM、蘋果、ATamp。同時特定人語音識別系統(tǒng)具有廣闊的應(yīng)用前景，比如工業(yè)命令控制、計算機(jī)控制、家庭電器服務(wù)、個人移動通信呼叫等，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，更可以起到不可替代的作用，這項技術(shù)將給人們的日常生活帶來極大的便利。最后在用戶開發(fā)界面（GUI界面）直觀地呈現(xiàn)出來。本次設(shè)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(yīng)數(shù)字做為文件名的命名。國外的語音識別方面的研究工作可以追溯到20世紀(jì)50年代ATamp。T和NTT都對語音識別系統(tǒng)的實用化研究投以巨資。該系統(tǒng)對新聞?wù)Z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)。清華大學(xué)電子工程系語音技術(shù)與專用芯片設(shè)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）。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(jìn)行前期的預(yù)處理。其中n為樣本個數(shù)，F(xiàn)s為頻率，默認(rèn)值為11025，本設(shè)計采用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ch為1Audiorecorder函數(shù)也可以用來錄制音頻，但在本次設(shè)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。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。（3）短時過零的作用：檢測清音。這樣只要設(shè)定一個門限，當(dāng)語音信號幅度超過這個門限時，就當(dāng)作語音開始，當(dāng)幅度降低到門限以下時就認(rèn)為語音結(jié)束。如聲母“s”、“c”等的幅度就很低。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)。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(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，進(jìn)入過渡段。在開始檢測之前需要設(shè)定4個門限，即分別為短時能量和短時過零率各設(shè)置一個高門限和一個低門限：EHigh、ELow和ZHigh、ZLow。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。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。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(xùn)練語音幀的時序標(biāo)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。對齊可以采用線性擴(kuò)張的方法，如果NM可以將T線性映射為一個M幀的序列，再計算它與之間的距離。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。考慮到邊界問題，有些前續(xù)格點可能不存在，因此要加用一些判斷條件。其能夠使使用者的學(xué)習(xí)和使用更為方便、簡單。在MATLAB窗口中選擇自己弄好的GUI的路徑，打開GUI。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)。比如：端點檢測算法的運(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。Property39。gui_Singleton39。gui_Callback39。% Update handles structureguidata(hObject, handles)。=a。plot(a)。*.*39。save(str,39。[fname,L]=uigetfile({39。},39。[S,fs]=wavread(file)。fs=16000。,39。39。% Executes on button press in pushbutton14.function pushbutton14_Callback(hObject, eventdata, handles)% hObject handle to pushbutton14 (see GCBO)% eventdata reserved to be defined in a future version of MATLAB% handles structure with