基于数字信号处理的语音数字识别器

---

系统说明

该系统工作流程图如下

各部分关键参数及简要说明如下。

预处理阶段：

• 预录制语音为单个数字的语音，从 0 - 9 共 10 组，采样率 16 kHz
• 计算 MFCC 特征中，Mel 滤波器组个数 40，取输出前 18 维（不计直流分量）作为 MFCC 特征；分析窗采用汉明窗
• 训练 DTW 模板中，时间上保存 5 个 MFCC 特征作为单个数字的 DTW 模板

语音识别阶段：

• 分析过门限率中，门限设为噪声功率的 6 倍；分析帧长 20 ms，帧移 10 ms
• 分析语音起始、终止过程中，设定语音长度至少为 10 帧；分析语音起始点，采用过门限率和能量曲线共同判断。过门限率连续 9 帧不为 0 视为语音开始；能量首次超过 6 倍噪声功率视为语音开始。分析终止过程时，从语音起始点出发，当能量首次连续 6 帧低于 6 倍噪声功率视为语音结束。
• 计算 MFCC 与训练时相同，Mel 滤波器组个数 40，取输出前 18 维（不计直流分量）作为 MFCC 特征；分析窗采用汉明窗
• 对每段分割的语音计算完 MFCC 特征后，与模板进行对比，即进行 DTW 搜索，取 DTW 距离最小者为该段语音的识别结果

使用方式

主界面如下

点击 record，等待 log 显示 Starting recording 后，再等待约 0.5 s，即可开始录音; 或输入音频路径，点击 readwav，即开始识别。

文件说明

functions/：函数文件

speech_recognition/：程序文件；直接运行 gui.m 打开图形化界面即可

resource/：资源文件，包含训练数据与测试数据

若需要代码请私信联系，