基于Matlab GUI的說話人識別測試平臺設計

摘 要：為了克服在Matlab中語音處理工具箱的不足，設計出基于Matlab圖形用戶界面（GUI）的說話人識別測試平臺。系統框架設計：特征參數采用美爾倒譜系數及差分美爾倒譜系數，識別模型采用矢量量化模型；人機交互實現：設置各控件屬性，通過回調函數實現系統功能；測試實例：測試人數50人，識別率為96%，表明了該測試平臺的有效性。該平臺的特點是：功能較為完整，可設置參數，如：人數、字數、幀長等，方便用戶實驗，具有良好的實用性、可交互性等。

關鍵詞： Matlab圖形用戶界面； 說話人識別； 測試平臺； 回調函數

中圖分類號： TN911?34； TP39 文獻標識碼： A 文章編號： 1004?373X（2013）08?0059?02

0 引 言

說話人識別（Speaker Recognition，SR）是語音識別的一種，是通過話音區分說話人，從而進行身份鑒別與認證的技術。與其他生物認證技術如指紋識別、掌型識別、虹膜識別等相比，具有獨特的方便性、經濟性和準確性，并逐漸成為人們日常生活和工作中重要且普及的安全驗證方式[1]。

Matlab是使用最為廣泛的科學計算軟件之一，在說話人識別中有著廣泛應用。但在實際應用中仍存在如下不足：其語音處理工具箱僅僅提供了基本函數，并未針對一類問題給出一整套設計方案；一般Matlab控制臺程序以命令形式調用語音處理工具箱函數，這種形式不像人機交互界面那樣直觀，也不易數據處理。正因為這些困難與不足，有必要設計基于Matlab GUI的說話人識別測試平臺[2]。

1 GUI說話人識別測試平臺實現

1.1 系統框架設計

說話人識別系統框圖如圖1所示，主要由以下模塊組成：

（1）預處理模塊：完成對語音信號的采樣與量化、預加重處理、加窗、端點檢測等；

（2）特征提取模塊：測試音和訓練音都必須經特征提取，提取出表征說話人個性的語音信號特征，以方便后續處理；

（3）參考模板模塊：對模型參數進行估計和優化，建立說話人模型；

（4）模式匹配模塊：測試音經特征提取，將提取出的特征參數和訓練時產生的模型進行匹配，計算匹配距離；

（5）判決模塊：根據匹配距離大小，依照某種相似性準則形成判決[3]。

對上面5個模塊編寫程序，在程序中調用了語音處理工具箱中的enframe，melcepst，melbankm等函數[4]。對所有程序進行優化和整合，設計出說話人識別系統測試平臺。

1.2 人機交互界面設計

說話人識別測試平臺主界面如圖2所示。設置各控件屬性，通過回調函數實現系統功能。

1.2.1 控件屬性值設置

圖2主界面中，包括如下控件類型：Static Text，Push Button，Pop?up menu，Radio?button，Extid text，Mpanel等。表1為各控件類型的主要屬性設置情況[5]。

1.2.2 系統各部分功能的實現

主界面主要包括錄音、測試及結果分析3部分。

（1）錄音部分：首先設置語音采樣點數，然后錄音，可通過PLOT按鈕觀看錄制的語音波形，或通過PLAY按鈕聽錄制語音的聲音[6]，以保證錄制語音質量。錄音按鈕回調函數為：

function pushbutton9_Callback（hObject， eventdata， handles）

（2）測試部分：首先選擇人數、發音的字數、幀長、幀移、是否選擇有端點檢測，然后選擇采用的語音特征參數是MFCC或MFCC+ΔMFCC，通過The Path of Train 按鈕，輸入訓練語音路徑，以輸入訓練語音，再按TRAIN按鈕，當Edit text框中顯示training has been completed表明訓練已完成。再按The Path Of Test按鈕，輸入測試語音路徑，以輸入測試語音，再按TEST按鈕以進行測試，其測試結果顯示在Edit text框中，最后識別率顯示在Identify rate窗口。訓練按鈕回調函數為：

function train_Callback（hObject， eventdata， handles）

（3）結果分析部分：對幾個影響識別率的因素進行了分析。主要因素有：幀長、人數、字數、MFCC階數、是否采用端點檢測等，其結果和理論結論一致。

表1 控件類型的主要屬性設置

2 測試實例

測試實例參數設置及測試結果如圖3所示。特征參數采用MFCC+差分MFCC；識別模型為矢量量化模型；測試環境為實驗室環境。人數為50人，每個人訓練、測試時分別說12個漢字，中文普通話。識別率窗口顯示系統識別率為96%，效果較好，表明了該測試平臺的有效性。

3 結 語

本文所設計的基于Matlab GUI說話人識別測試平臺，充分利用Matlab軟件中的GUI技術及語音處理工具箱中內置函數，功能完善，包括錄音、測試及結果分析部分。該平臺提供了良好的人機交互環境，便于用戶在各種參數條件下的測試實驗，例如用戶可方便設置采樣點數、人數、字數、及幀長、幀移、MFCC的階數等測試條件，系統識別率高，為進一步開發說話人識別系統提供一定的仿真環境及參考價值。

參考文獻

[1] 吳朝暉.說話人識別模型與方法[M].北京：清華大學出版社，2009.

[2] 秦輝.基于Matlab GUI的預測控制仿真平臺設計[J].系統仿真學報，2006，18（10）：2778?2779.

[3] 甄斌，吳璽宏，劉志敏.語音識別和說話人識別中各倒譜分量的相對重要性[J].北京大學學報：自然科學版，2001，37（3）：371?378.

[4] 陳煒杰.噪聲環境下的說話人識別技術研究[D].杭州：浙江工業大學，2008.

[5] 鄭阿奇.Matlab實用教程[M].北京：電子工業出版社，2005.

[6] 徐明遠，劉增力.Matlab仿真在信號處理中的應用[M].西安：西安電子科技大學出版社，2007.