【语音识别】基于MFCC的小波变换DTW实现说话人识别matlab代码.zip

【语音识别】基于MFCC的小波变换DTW实现说话人识别

matlab代码

1 简介

小波变换的发展为语音信号提供了新的处理方法与技术,从而使语音处理技术取得了较快的发展。说话人

识别提取说话人的语音特征对说话人的身份进行确认或辨认。语音识别研究领域的一个重要研究方向,就

是从语音信号中有效地提取个人特征信息进行说话人身份的识别。在说话人识别系统中,最重要的是能够

从语音片断中提取代表说话人独有特征的稳定参数。基于短时傅立叶变换的常规特征参数构造表现出了

很多不足,它是在短时平稳假定的基础上获取时频局部化信息,时频分辨率是固有的,其缺陷不能很好的处

处理和端点检测,以保证提取特征参数时的准确。针对小波分析的特点,小波分解预处理后,跳过信号重构,

直接将分解分量进入以下一步处理,简化过程提高精度。



2 部分代码

close all;

chos=0;

possibility=5;

messaggio='Insert the number of set: each set determins a class. This set should

include a number of speech for each person, with some variations in expression

and in the lighting.';

 %--------------------------------------------------------------------------

 %--------------------------------------------------------------------------

 % Calculate gmm of the speech and Add to Database

 if chos==1

   clc;

   close all;

   selezionato=0;

   while selezionato==0

    [namefile,pathname]=uigetfile({'*.wav','speech Files (*.wav)'},'Chose

     end

    

   end

   filt=melfilter(150,300,15);

   fr1=frm(strcat(pathname,namefile),16,8000,1);

   mc2=train(fr1,filt,20);

   mc2=mc2(3:18,:);

   mc1=banshengsin(mc2);

   s1=pitch(pathname,namefile);

   a=length(s1);

   mc1=[mc1;s1];

  [im is ip]=init(mc1,16);

  [nim1 nis1 nip1 times]=gmm(im,is,ip,mc1);

  data=struct('name',{},'means',{},'cov',{},'prob',{},'pitch',{});

  

   if (exist('speech_database.dat')==2)

-----------------------

 %--------------------------------------------------------------------------

 %--------------------------------------------------------------------------

 % speaker recognition

speech signal');

     if namefile~=0

     

       selezionato=1;

     else

       disp('Select a speech signal');

     end

   

   end

 

k=0;

b=0;

r=nosp;