2025年智能语音识别技术实践解析与实验记录.docxVIP

语音识别系统试验汇报

专业班级：信息安全

学号：姓名：

目录

一、设计任务及规定 1

二、语音识别的简朴简介

2.1语者识别的概念 2

2.2特性参数的提取 3

2.3用矢量量化聚类法生成码本 3

2.4VQ的说话人识别 4

三、算法程序分析

3.1函数关系 4

3.2代码阐明 5

3.2.1函数mfcc 5

3.2.2函数disteu 5

3.2.3函数vqlbg 6

3.2.4函数test 6

3.2.5函数testDB 7

3.2.6函数train 8

3.2.7函数melfb 8

四、演示分析 9

五、心得体会 11

附：GUI程序代码 12

一、设计任务及规定

实现语音识别功能。

二、语音识别的简朴简介

基于VQ的说话人识别系统，矢量量化起着双重作用。在训练阶段，把每一种说话者所提取的特性参数进行分类，产生不一样码字所构成的码本。在识别(匹配)阶段，我们用VQ措施计算平均失真测度(本系统在计算距离d时，采用欧氏距离测度),从而判断说话人是谁。

语音识别系统构造框图如图1所示。

码本库：

码本库：

说话人1的码本说话人2的码本

说话人N的码本

识别

输出识别结果

VQ模型训练

VQ码本匹配计算

提取特征参数

预处理：预加重、加汉明窗

语音数据

训练

图1语音识别系统构造框图

2.1语者识别的概念

语者识别就是根听说话人的语音信号来鉴别说话人的身份。语音是人的自然属性之一，由于说话人发音器官的生理差异以及后天形成的行为差异，每个人的语音都带有强烈的个人色彩，这就使得通过度析语音信号来识别说话人成为也许。用语音来鉴别说话人的身份有着许多独特的长处，如语音是人的固有的特性，不会丢失或遗忘；语音信号的采集以便，系统设备成本低；运用电话网络还可实现远程客户服务等。因此，近几年来，说话人识别越来越多的受到人们的重视。与其他生物识别技术如指纹识别、手形识别等相比较，说话人识别不仅使用以便，并且属于非接触性，轻易被顾客接受，并且在已经有的多种生物特性识别技术中，是唯一可以用作远程验证的识别技术。因此，说话人识别的应用前景非常广泛：今天，说话人识别技术已经关系到多学科的研究领域，不一样领域中的进步都对说话人识别的发展做出了奉献。说话人识别技术是集声学、语言

学、计算机、信息处理和人工智能等诸多领域的一项综合技术，应用需求将十分广阔。在吃力语音信号的时候怎样提取信号中关键的成分尤为重要。语音信号的特性参数的好坏直接导致了辨别的精确性。

2.2特性参数的提取

对于特性参数的选用，我们使用mfcc的措施来提取。MFCC参数是基于人的听觉特性运用人听觉的屏蔽效应，在Mel标度频率域提取出来的倒谱特性参数。

MFCC参数的提取过程如下：

1.对输入的语音信号进行分帧、加窗，然后作离散傅立叶变换，获得频谱分布信息。

设语音信号的DFT为：

其中式中x(n)为输入的语音信号，N表达傅立叶变换的点数。

2.再求频谱幅度的平方，得到能量谱。

3.将能量谱通过一组Mel尺度的三角形滤波器组。

我们定义一种有M个滤波器的滤波器组(滤波器的个数和临界带的个数相近),采用的

滤波器为三角滤波器，中心频率为f(m),m=1,2,3,…,M本系统取M=100。

(2)4.计算每个滤波器组输出的对数能量。

(2)

0≤m≤M-1

其中H(k)为三角滤波器的频率响应。

5.通过离散弦变换(DCT)得到MFCC系数。

0≤n≤N-1

MFCC系数个数一般取20—30,常常不用0阶倒谱系数，由于它反应的是频谱能量，故在一般识别系统中，将称为能量系数，并不作为倒谱系数，本系统选用20阶倒谱系数。

2.3用矢量量化聚类法生成码本

我们将每个待识的说话人看作是一种信源，用一种码本来表征。码本是从该说话人的训练序列中提取的MFCC特性矢量聚类而生成。只要训练的序列足够长，可认为这个码本有效地包括了说话人的个人特性，而与发言的内容无关。

本系统采用基于分裂的LBG的算法设计VQ码本，X(k=1,2,…,K)为训练序列，B为码本。

详细实现过程如下：

1.取提取出来的所有帧的特性矢量的型心(均值)作为第一种码字矢量B1。

2.将目前的码本Bm根据如下规则分裂，形成2m个码字。

(4)

其中m从1变化到目前的码本的码字数，e是分裂时的参数，本文e=0.01。

3.根据得到的码本把所有的训练序列(特性矢量)进行分类，然后按照下面两个公

式计算训练矢量量化失