Matlab基于VQ的语者识别系统(含所有代码)
Summary
Abstract: 语者识别即为判断说话的人是不是他的使用者。本组用基于VQ的语者识别系统系统模型，通过提取Mel 倒谱系数，制作模板码本与测试者相应参数进行对比，根据阈值判断，差别最小的则认为匹配原训练模板，即测试者与训练者为同一人，否则认为不是同一人。通过此过程实现语者识别功能。在功能上分为两大部分，语者判定以及实施辨别。
Contents
1.Introduction……………………………………………………..3 1.1语者识别的概念…………………………………………….3 1.2特征参数的提取…………………………………………….4 1.3用矢量量化聚类法生成码本……………………………….4 1.4VQ的说话人识别 ……………………………………….....5 2.The Program…………………………………………………….6
1
2.1函数关系…………………………………………………….6 2.2代码说明…………………………………………………….6 2.2.1函数mfcc……………………………………………….6 2.2.2函数disteu……………………………………………...6 2.2.3函数vqlbg……………………………………………....7
2.2.4函数test…………………………………………………8 2.2.5函数testDB……………………………………………...8 2.2.6 函数train……………………………………………….9 2.2.7函数melfb……………………………………………….9 3.Results & Discussion …………………………………………….10 4.Further Work……………………………………………………..12
1.Introduction
关于语者识别：在生物辨识技术中，语者辨识是利用人类最自然的口语表达作为辨识身分的依据。语者辨识一般分为语者识别及语者确认，前者是要辨识说话者是谁，后者则是判断说话的人是不是他所宣称的使用者，本项目的研究主题是后者。语者确认常被视为一个假说测定问题，利用似然比例测试方法来解：空假说表示说话者为真正的使用者，替代假说表示其为冒充者。我们可以收集特定使用者的语音数据来训练空假说模型，但替代假说牵涉未知的冒充者，较难模型化。针对此点，传统的作法是收集很多人的语音，训练一个通用背景模型，或是几位与目标使用者声音相似的人的语音，训练数个背景模型，再利用取极大值、取极小值、算数平均或几何平均等方法来结合个别的模型分数。
基于VQ的语者识别系统系统模型
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，把每一个说话者所提取的特征参数进行分类，产生不同码字所组成的码本。在识别(匹配)阶段，我们用VQ方法计算平均失真测度(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。
语音识别系统结构框图如图1所示。
图1 语音识别系统结构框图
2
1.1语者识别的概念
语者识别就是根据说话人的语音信号来判别说话人的身份。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，这就使得通过分析语音信号来识别说话人成为可能。用语音来鉴别说话人的身份有着许多独特的优点，如语音是人的固有的特征，不会丢失或遗忘；语音信号的采集方便，系统设备成本低；利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方便，而且属于非接触性，容易被用户接受，并且在已有的各种生物特征识别技术中，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，不同领域中的进步都对说话人识别的发展做出了贡献。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如何提取信号中关键的成分尤为重要。语音信号的特征参数的好坏直接导致了辨别的准确性。
1.2特征参数的提取
对于特征参数的选取，我们使用mfcc的方法来提取。MFCC参数是基于人的听觉特性利用人听觉的屏蔽效应，在Mel标度频率域提取出来的倒谱特征参数。
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：
Xa(k)??x(n)en?1N?1?j2?nkN,0?k?N?1（1）
其中式中x(n)为输入的语音信号，N表示傅立叶变换的点数。 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。
我们定义一个有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。
4. 计算每个滤波器组输出的对数能量。
S(m)?ln(?|Xa(k)|2Hm(k)),k?1N?1 （2）
0?m?M?1其中Hm(k)为三角滤波器的频率响应。
5. 经过离散弦变换（DCT）得到MFCC系数。
3
C(n)??S(m)cos(?n(m?0.5/m)),(3)m?0M?1
0?n?N?1 MFCC系数个数通常取20—30，常常不用0阶倒谱系数，因为它反映的是频谱能量，故在一般识别系统中，将称为能量系数，并不作为倒谱系数，本系统选取20阶倒谱系数。
1.3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个信源，用一个码本来表征。码本是从该说话人的训练序列中提取的MFCC特征矢量聚类而生成。只要训练的序列足够长，可认为这个码本有效地包含了说话人的个人特征，而与讲话的内容无关。
本系统采用基于分裂的LBG的算法设计VQ码本，Xk(k?1,2,???,K)为训练序列，B为码本。
具体实现过程如下：
1. 取提取出来的所有帧的特征矢量的型心(均值)作为第一个码字矢量B1。 2. 将当前的码本Bm根据以下规则分裂，形成2m个码字。
?Bm?Bm(1??) {? （4） Bm?Bm(1??)其中m从1变化到当前的码本的码字数，ε是分裂时的参数，本文ε=0.01。 3. 根据得到的码本把所有的训练序列(特征矢量)进行分类，然后按照下面两个公式计算训练矢量量化失真量的总和D[n]以及相对失真(n为迭代次数，初始n=0，D[?1]=∞，B为当前的码书)，若相对失真小于某一阈值ε，迭代结束，当前的码书就是设计好的2m个码字的码书，转５。否则，转下一步。
量化失真量和：
D(n)??mind(Xk,B) （5）
k?1K相对失真：
D(n?1)?Dn|| （6）
Dn 4. 重新计算各个区域的新型心，得到新的码书，转3。
5. 重复２ ，３ 和４步，直到形成有M个码字的码书(M是所要求的码字数)，其中D0=10000。
1.4 VQ的说话人识别
4
设是未知的说话人的特征矢量{X1,?,XT}，共有T帧是训练阶段形成的码书，表示码书第m个码字，每一个码书有M个码字。再计算测试者的平均量化失真D，并设置一个阈值，若D小于此阈值，则是原训练者，反之则认为不是原训练者。
D?1/T?min[d(xj?1] （7）
j,Bm)1?m?M
2.The Program
在具体的实现过程当中，采用了matlab软件来帮助完成这个项目。在matlab中主要由采集，分析，特征提取，比对几个重要部分。以下为在实际的操作中，具体用到得函数关系和作用一一列举在下面。 2.1函数关系
主要有两类函数文件Train.m和Test.m
在Train.m调用Vqlbg.m获取训练录音的vq码本，而Vqlbg.m调用mfcc.m获取单个录音的mel倒谱系数，接着mfcc.m调用Melfb.m---将能量谱通过一组Mel尺度的三角形滤波器组。
在Test.m函数文件中调用Disteu.m计算训练录音（提供vq码本）与测试录音（提供mfcc）mel倒谱系数的距离，即判断两声音是否为同一录音者提供。Disteu.m调用mfcc.m获取单个录音的mel倒谱系数。mfcc.m调用Melfb.m---将能量谱通过一组Mel尺度的三角形滤波器组。 2.2具体代码说明 2.2.1函数mffc:
function r = mfcc(s, fs) ---
m = 100; n = 256;
l = length(s);
nbFrame = floor((l - n) / m) + 1; %沿-∞方向取整 for i = 1:n
for j = 1:nbFrame
M(i, j) = s(((j - 1) * m) + i); %对矩阵M赋值 end end
h = hamming(n); %加 hamming 窗，以增加音框左端和右端的连续性 M2 = diag(h) * M; for i = 1:nbFrame
frame(:,i) = fft(M2(:, i)); %对信号进行快速傅里叶变换FFT
5