说话人识别代码 matlab 端点检测 预加重 mfcc.docVIP

说话人识别 SMALL_MFCC是子程序,调用生成MEL系数,供神经网络训练使用 clear;close all;Time1=cputime;CM=[];%----------提取系数--------------------%-----------读语音数据-------------for sound_dgital=1:2sound=[11.wav;21.wav;31.wav];str=double(sound);wav_name=char(str(sound_dgital,:));[signal,fs]=wavread(wav_name); data1=signal(:,1); %????????????data2=signal(:,2);Data=cat(1,data1,data2);%-----------端点检测-------------i=1;while data1(i+1)-data1(i)0.014i=i+1;endj=length(data1); while data1(j-1)-data1(j)0.014 j=j-1;end%---------------------------%-----------预加重-------------figure(sound_dgital)subplot(2,1,1)plot(data1)title(加重前信号)%加重系数a=0.98;for n=2:length(data1)data1(n-1)=data1(n)-a*data1(n-1);endfigure(sound_dgital)subplot(2,1,2)plot(data1)title(加重后信号)%------------------------------ %-----------fourier变换定义-------------N=256;shift=80;nfft=256; numoverlap=N-shift; t1=i/8000;t2=j/8000; lent=length(data1);%------------------------------%-----------取成一维语音数据-------------dd=1;for d=i:1:jdata(dd)=data1(d);dd=dd+1;end%------------------------------ %-------------MFCC-------------C=small_MFCC(data,nfft,N,numoverlap,shift,fs)CM=cat(2,CM,C)%------------------------------end %-----------神经网络部分-------------[N,m1]=size(CM);%神经网络初始化n1=1; %定义输入神经元个数M=256; %定义输出神经元个数X=CM;%预定义输入矢量矩阵W=rand(16,256)*255; %权值的初始化W=round(W);%权值取整T1=n1*m1;%学习次数T2=200;%训练s=round(rand(1,n1*m1)*(n1*m1-1));%产生一个随机矩阵,以便随机选取样本图像矢量,范围(0,4095)s=s+1;%s范围变为(1,4096)%权值调整for(t=1:T2) %开始训练，从1到T2t;for(T=1:T1) %开始取输入图像矢量NE=-132+362*exp(-T/T1); %定义邻域大小函数NE=round(NE);%计算邻域半径if(rem(NE,2)==0)R=NE/2;elseR=(NE-1)/2;end %找出最小欧氏距离for(j=1:256)P(:,j)=(X(:,s(1,T))-W(:,j)).^2;%计算欧氏距离Q(1,j)=sum(P(:,j)); %欧氏距离和赋予新的矩阵[minQ,I]=min(Q);%找出最小数的下标,等同于输出矢量的下标endr0=I; %最小距离下标赋予r0 %在邻域内调整权值stu=0.5*exp(-t/T2); %定义学习函数if(I=R) %邻域节点下标是负数时，即超出矩阵维数，邻域从1开始for(j=1:I+R)r=j;stu_f=exp(-(r-r0).^2/(230*exp(-t/T2)));%定义学习加权邻域函数W(:,j)=W(:,j)+stu*stu_f*(X(:,s(1,T))-W(:,j));endelseif(I=256-R) %邻域节点下标大于