【语音识别】基于隐马尔可夫链HMM实现09数字语音识别含Matlab源码.zip

【语音识别】基于隐马尔可夫链HMM实现0~9数字语音识

别含Matlab源码

1 简介

语音识别技术是机器学习的重要内容之一,涉及信息处理,人工智能和模式识别等多个学科内容,已经在社

会生活中得到广泛的应用.语音识别是让机器听懂人的语言,理解人的意图,并对其做出相应的反应,实现人

与机器的交互通信.本文基于隐马尔可夫模型(Hidden Markov Model),建立了一套语音识别仿真系统. 本

文首先分析语音信号的预处理过程,提出采用双门限法,即将短时能量和短时过零率相结合,对语音信号进

行端点检测.相对于单一方法的端点检测方法能得到更精确的语音段,为语音信号的后续处理奠定了基础.

function ccc = mfcc(x)% 归一化mel滤波器组系数

bank=melbankm(24,256,8000,0,0.5,'m');bank=full(bank);bank=bank/max(bank(:));% DCT

系数,12*24for k=1:12 n=0:23; dctcoef(k,:)=cos((2*n+1)*k*pi/(2*24));end% 归一化倒

谱提升窗口w = 1 + 6 * sin(pi * [1:12] ./ 12);w = w/max(w);% 预加重滤波器

xx=double(x);xx=filter([1 -0.9375],1,xx);% 语音信号分帧xx=enframe(xx,256,80);% 计算

每帧的MFCC参数for i=1:size(xx,1) y = xx(i,:); s = y' .* hamming(256); t =

abs(fft(s)); t = t.^2; c1=dctcoef * log(bank * t(1:129)); c2 = c1.*w';

m(i,:)=c2';end%差分系数dtm = zeros(size(m));for i=3:size(m,1)-2 dtm(i,:) =

-2*m(i-2,:) - m(i-1,:) + m(i+1,:) + 2*m(i+2,:);enddtm = dtm / 3;%合并mfcc参数和一阶