基于矢量量化的0-9孤立词语音识别

%=========================================================================% %功能：识别阶段，对“训练样本”或“非训练样本”进行识别并统计； %=========================================================================% warning off all; %关闭警告； clear all; %清空工作区； load mydata %读入训练得到的码本； data = randperm( 100 ); sample = data(1 : 30); %为了方便演示，产生20个100以内的整数，用于随机测试“训练样本”的识别。 data_1 = randperm( 60 ); sample_1 = data_1(1 : 20); %为了方便演示，产生20个60以内的整数，用于随机测试“非训练样本”的识别。 sample_2 = [ 61 62 63 64 65 ]; %测试另外一组“非训练样本”； for i = 1 : 20 % ss = strcat('.\sounds\Copy_of_trainsounds\' , num2str(sample(i)),'.wav');%循环读入20个随机的“训练样本”； ss = strcat('.\sounds\Copy_of_testsounds\',num2str(sample_2(i)),'.wav');%循环读入20个随机的“非训练样本”； % ss = '.\sounds\testsounds\朱亮_右转.wav'; %循环读入5个另一组的“非训练样本”； wavplay( wavread(ss) ,16000); %#ok<REMFF1> %为了便于演示，读入后，播放该口令； xx = Cfeature(ss); %求倒谱特征； [ x,y ] = size(xx); %求取该口令倒谱的尺寸； en = zeros(1,10); %初始化距离矩阵，用于存放该未知口令与10个码本的距离 for ii = 1 : 10 for j = 1 : x en(ii) = en(ii) + mindis(xx(j,:),features(ii).c); %计算该未知口令与10个码本的欧式距离； end end [ minu,xxx ] = min(en); %找出距离最小的码本，并返回最小值对应的序号； pause(1/10); %为了演示的清楚，这里暂停0.1秒； disp(strcat('第',num2str(sample_1(i)),'段语音识别结果为: ',features(xxx).str)); %输出识别结果 end