Matlab在语音识别中的应用..doc

基于GUI的音频采集处理系统 注：本实验是对“东、北、大、学、中、荷、学、院”孤立文字的识别！ 首先是GUI的建立，拖动所需控件，双击控件，修改控件的参数；主要有string Tag(这个是回调函数的依据)，其中还有些参数如value style 也是需要注意的，这个在实际操作中不能忽视。 这里需要给说明一下：图中所示按钮都是在一个按钮组里面，都属于按钮组的子控件。所以在添加回调函数时，是在按钮组里面添加的，也就是说右击三个按钮外面的边框，选择View Callback——SelectionChange,则在主函数中显示该按钮的回调函数： function uipanel1_SelectionChangeFcn(hObject, eventdata, handles) 以第一个按钮“录音”为例讲解代码； 下面是“播放”和“保存”的代码： 以上就是语音采集的全部代码。程序运行后就会出现这样的界面： 点击录音按钮，录音结束后就会出现相应波形： 点击保存，完成声音的保存，保存格式为.wav。这就完成了声音的采集。 声音的处理与识别 打开文件 语音处理首先要先打开一个后缀为.wav的文件，这里用到的不是按钮组，而是独立的按钮，按钮“打开”的回调函数如下： function pushbutton1_Callback(hObject, eventdata, handles) 其中pushbutton1是“打开”按钮的Tag. 在回调函数下添加如下代码： 运行结果如图： 预处理 回调函数如下： function pushbutton2_Callback(hObject, eventdata, handles) 运行结果如图： 短时能量 短时能量下的回调函数： function pushbutton3_Callback(hObject, eventdata, handles) 其回调函数下的代码是： 端点检测 这里要先声明一点，为了避免在以后的函数调用中，不能使用前面的变量，所以其实后面的函数都包含了前面的部分。显而易见这样程序就会显得很冗长，这也是值得以后修改的地方。 function pushbutton4_Callback(hObject, eventdata, handles) 生成模版 本功能和上面重复的部分省略掉了，现在只补充添加的代码： 语音识别 将打开的语音与提前录好的语音库进行识别，采用的是DTW算法。识别完后就会在相应的文本框里显示识别的文字。代码如下： 程序运行前后的对比图： GUI的整体效果图： 总结 实验已经实现了对“东、北、大、学、中、荷、学、院”文字的识别，前提是用模版的语音作为样本去和语音库测试，这已经可以保证１００ mfcc.mat 文件是程序运行过程中生成的； test 文件夹里面存放了录音的模版： 这里是6个.M文件，如下： 1 WienerScalart96.m function output=WienerScalart96(signal,fs,IS) % output=WIENERSCALART96(signal,fs,IS) % Wiener filter based on tracking a priori SNR usingDecision-Directed % method, proposed by Scalart et al 96. In this method it is assumed that % SNRpost=SNRprior +1. based on this the Wiener Filter can be adapted to a % model like Ephraims model in which we have a gain function which is a % function of a priori SNR and a priori SNR is being tracked using Decision % Directed method. % Author: Esfandiar Zavarehei % Created: MAR-05 if (nargin3 | isstruct(IS)) IS=.25; %Initial Silence or Noise Only part in seconds end W=fix(.025*fs); %Window length is 25 ms SP=.4; %Shift percentage is 40% (10ms) %Overlap-Add method works good with this value(.4) wnd=hamming(W); %IGNORE FROM