【语音识别】基于mfcc特征的智能语音识别门禁系统含Matlab源码

原创

matlab科研助手 2022-05-17 22:19:37 博主文章分类：信号处理 ©著作权

文章标签 语音信号声纹识别码本 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者matlab科研助手的原创作品，请联系作者获取转载授权，否则将追究法律责任

1 简介

本文基于Matlab设计实现了一个文本相关的声纹识别系统，可以判定说话人身份。

1 系统原理

a.声纹识别

这两年随着人工智能的发展，不少手机App都推出了声纹锁的功能。这里面所采用的主要就是声纹识别相关的技术。声纹识别又叫说话人识别，它和语音识别存在一点差别。

b.梅尔频率倒谱系数（MFCC）

梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient, MFCC）是语音信号处理中最常用的语音信号特征之一。

实验观测发现人耳就像一个滤波器组一样，它只关注频谱上某些特定的频率。人耳的声音频率感知范围在频谱上的不遵循线性关系，而是在Mel频域上遵循近似线性关系。

梅尔频率倒谱系数考虑到了人类的听觉特征，先将线性频谱映射到基于听觉感知的Mel非线性频谱中，然后转换到倒谱上。普通频率转换到梅尔频率的关系式为：

【语音识别】基于mfcc特征的智能语音识别门禁系统含Matlab源码_语音信号

【语音识别】基于mfcc特征的智能语音识别门禁系统含Matlab源码_声纹识别_02 编辑

c.矢量量化（VectorQuantization）

本系统利用矢量量化对提取的语音MFCC特征进行压缩。

VectorQuantization (VQ)是一种基于块编码规则的有损数据压缩方法。事实上，在 JPEG 和 MPEG-4 等多媒体压缩格式里都有 VQ 这一步。它的基本思想是：将若干个标量数据组构成一个矢量，然后在矢量空间给以整体量化，从而压缩了数据而不损失多少信息。

3 系统结构

本文整个系统的结构如下图：

【语音识别】基于mfcc特征的智能语音识别门禁系统含Matlab源码_语音信号_03

【语音识别】基于mfcc特征的智能语音识别门禁系统含Matlab源码_声纹识别_04 编辑

–训练过程

首先对语音信号进行预处理，之后提取MFCC特征参数，利用矢量量化方法进行压缩，得到说话人发音的码本。同一说话人多次说同一内容，重复该训练过程，最终形成一个码本库。

–识别过程

在识别时，同样先对语音信号预处理，提取MFCC特征，比较本次特征和训练库码本之间的欧氏距离。当小于某个阈值，我们认定本次说话的说话人及说话内容与训练码本库中的一致，配对成功。

2 部分代码

function y1=cut(s_address)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%function: cut() 把静音段裁剪掉
% input :   音频文件地址
% output:   裁剪之后的音频
% author:   yuhansgg（Shi Gaige）
% time:     2017.4.9
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
y=audioread(s_address);
h=hamming(320);
% 计算短时平均能量SAE（short average energe）
%信号的平方在与窗函数相卷
% E(n)＝[x(m)]^2*h(n-m),m从负无穷到正无穷求和，h(n-m)为汉明窗
e=conv(y.*y,h);    % y.*2对y中各元素平方；conv(u,v) 求u与v的卷积
% 对语音信号进行切割，当SAE小于能量大值的1/100时，认为是起点或终点
mx=max(e);
n=length(e);
y(n)=0; % 将原始语音信号矩阵扩充至n维
for i=1:n
    if e(i)<mx*0.01
        e(i)=0;
    else e(i)=1;    % e中非0的数用1来代替
    end
end
y1=y.*e;
y1(find(y1==0))=[]; % 把0元素剔除
fs=16000;
audiowrite(s_address,y1,fs);