2，所有语音统一为16K采样率，16位，单声道，coolEditor软件录制生成, 手工分割。每个人每
个数字录取10段语音， 数据命名说明：ij.wav表示第i个人的第j个样本。
3，在本次试验中，取每个数字每个人的取五段语音（共1400段）作为训练集，另五段语音（共
1400段）作为测试集，不同的识别方法对不同的训练集和测试集有着不一样的识别率，所以应根
据识别率来给每种识别方法调整测试与训练的样本。
4，分别通过不同的识别方法对不同的函数中的参数进行调整，然后进行训练，测试，最终得出训
练及测试的最佳识别率。
四. 特征参数提取
1，本文提取12维MFCC＋12维其差分共24维作为提取的特征，首先让每段语音信号通过双门限端点
检测函数（edgedetection）获得有效语音段，再通过分帧函数（enframe）得到语音帧数。
2，并对每一帧进行预加重，加窗（海明窗），fft，计算幅度谱的平方通过mel滤波器组每一个滤
波器的加权输出和，取对数，再经DCT变换，得到12维的MFCC，然后计算12维其差分MFCC，合并组
成24维MFCC。
3，本文未采取LPCC系数作为特征提取是因为：LPCC系数主要是模拟人的发声模型，不如MFCC，它
未考虑人耳的听觉特性，进行平均分段， 它对元音有较好的描述能力，对辅音描述能力及抗噪性
能比较差，其优点是计算量小，易于实现。
4，本文选择两种样本选择方法，两种分类方法分别适应不同的方法的最佳识别率：
a：训练集：每个数字每人的前五段语音；测试集：每个数字每人的后五段语音。
b: 训练集：每个数字每人的五段偶数序语音；测试集：每个数字每人的五段奇数序语音。
五. 识别过程及分析
SVM方法是通过一个非线性映射，把样本空间从低维映射到一个高维乃至无穷维的特征空间中
（Hilbert空间），使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的
问题。
1，分别创建训练和测试索引文件名目录TrainIndexs和TestIndexs，按索引依次读入语音，通过
双门限端点检测函数，加窗（海明窗）分帧函数，提取每段语音的MFCC参数矩阵train_m和test_m
(10x140)，再通过规整函数（transform）将所有语音特征规整到Nx24维MFCC，保存为trainmfcc
和testmfcc（1x10）。
2，载入规整后的特征参数矩阵，通过SVM调用svmtrain和svmclassify函数识别训练集和测试集。
最佳识别结果如下:（本实验采用b训练集（偶五奇五），因为a训练集测试的最高识别率为
97.64%）
