毕业论文B.1 dtw和cdhmm代码学习

代码结构

已知函数或代码段详解

testdtw.m是测试脚本。

disp('正在计算参考模板的参数...')
for i=1:10
    fname = sprintf('..\\ch6\\%da.wav',i-1);
    x = wavread(fname);
    [x1 x2] = vad(x);
    m = mfcc(x);
    m = m(x1-2:x2-2,:);
    ref(i).mfcc = m;
end

disp('正在计算测试模板的参数...')
for i=1:10
    fname = sprintf('..\\ch6\\%db.wav',i-1);
    x = wavread(fname);
    [x1 x2] = vad(x);
    m = mfcc(x);
    m = m(x1-2:x2-2,:);
    test(i).mfcc = m;
end

disp('正在进行模板匹配...')
dist = zeros(10,10);
for i=1:10
for j=1:10
    dist(i,j) = dtw(test(i).mfcc, ref(j).mfcc);
end
end

disp('正在计算匹配结果...')
for i=1:10
    [d,j] = min(dist(i,:));
    fprintf('测试模板 %d 的识别结果为：%d\n', i, j);
end

1. 使用同样的方法计算参考模板和测试模板的MFCC系数。
   其中经过读入输入数据、计算MFCC、端点检测、截取需要帧的MFCC系数。
2. 利用dtw计算相异程度。
3. 比较相异程度，最低的为匹配值。

• VAD

vad.m，端点检测。输入语音信号列向量，输出[x1 x2]，x1开始点，x2结束点。

• MFCC

mfcc.m，Mel频率倒谱系数的算法里面的一行代码是

bank=melbankm(24,256,8000,0,0.5,'m');

里面的24即计算24阶Mel频率倒谱系数。该函数输入整段语音列向量，即wavread读出的向量。输出为矩阵，每行代表一个帧计算得来的24维特征。在进行MFCC计算时一般需要检测端点。

• DTW和DTW2

dtw/dtw.m和dtw/dtw2.m，这两个是动态时间规整算法，输入两个列数相同矩阵。矩阵每一行表示语音信号的每一个帧，一行中的每一个元素表示改帧通过特征提取而得来的一个值，比如24阶MFCC系数有24个特征值，那么一行就是24个元素。每一个帧的点数与这里的长度无关，因为这一步的输入是从特征提取函数而来比如MFCC。

输入两个比较矩阵，每行为一个帧的特征。输出为一个值，即匹配程度。