Matlab语音识别系统(源代码)

这篇具有很好参考价值的文章主要介绍了Matlab语音识别系统(源代码)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

  • 设计任务及要求………………………………………………1
  • 语音识别的简单介绍

语者识别的概念……………………………………………2

  特征参数的提取……………………………………………3

  用矢量量化聚类法生成码本………………………………3

  的说话人识别 …………………………………………4

  • 算法程序分析

函数关系………………………………………………….4

    代码说明……………………………………………………5

    函数mfcc………………………………………………5

    函数disteu……………………………………………5

    函数vqlbg…………………………………………….6

函数test………………………………………………6

函数testDB……………………………………………7

     函数train……………………………………………8

 函数melfb………………………………………………8

  • 演示分析…………………………………………………….9
  • 心得体会…………………………………………………….11

附:GUI程序代码………………………………………………12

  • 设计任务及要求

用MATLAB实现简单的语音识别功能;

具体设计要求如下:

  用MATLAB实现简单的数字1~9的语音识别功能。

  • 语音识别的简单介绍

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

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。

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:

(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。 

  1. 再求频谱幅度的平方,得到能量谱。 
  2. 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。

  1. 计算每个滤波器组输出的对数能量。 

        (2)

其中

为三角滤波器的频率响应。 

  1. 经过离散弦变换(DCT)得到MFCC系数。

 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。

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,

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。 
  •             (4)

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=。 

  1. 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 以及相对失真(n为迭代次数,初始n=0, =∞,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: 

     (5)

相对失真: 

              (6)

    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。

  VQ的说话人识别

设是未知的说话人的特征矢量

,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。

 (7)

  • 算法程序分析

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。

函数关系

主要有两类函数文件和

在调用获取训练录音的vq码本,而调用获取单个录音的mel倒谱系数,接着调用将能量谱通过一组Mel尺度的三角形滤波器组。

在函数文件中调用计算训练录音(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。调用获取单个录音的mel倒谱系数。调用将能量谱通过一组Mel尺度的三角形滤波器组。

具体代码说明

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  

end

t = n / 2;

tmax = l / fs;

m = melfb(20, n, fs); %将上述线性频谱通过Mel 频率滤波器组得到Mel 频谱,下面在将其转化成对数频谱

n2 = 1 + floor(n / 2);

z = m * abs(frame(1:n2, :)).^2;

r = dct(log(z));  %将上述对数频谱,经过离散余弦变换(DCT)变换到倒谱域,即可得到Mel 倒谱系数(MFCC参数)

函数disteu

---计算测试者和模板码本的距离

function d = disteu(x, y)

[M, N] = size(x);  %音频x赋值给【M,N】

[M2, P] = size(y); %音频y赋值给【M2,P】

if (M ~= M2)

    error('不匹配!')  %两个音频时间长度不相等

end

d = zeros(N, P);

if (N < P)%在两个音频时间长度相等的前提下

    copies = zeros(1,P);

    for n = 1:N

        d(n,:) = sum((x(:, n+copies) - y) .^2, 1);

    end

else

    copies = zeros(1,N);

    for p = 1:P

        d(:,p) = sum((x - y(:, p+copies)) .^2, 1)';

    end%%成对欧氏距离的两个矩阵的列之间的距离

end

d = d.^;

函数vqlbg

---该函数利用矢量量化提取了音频的vq码本

function r = vqlbg(d,k)

e = .01;

r = mean(d, 2);

dpr = 10000;

for i = 1:log2(k)

    r = [r*(1+e), r*(1-e)];

    while (1 == 1)

        z = disteu(d, r);

        [m,ind] = min(z, [], 2);

        t = 0;

        for j = 1:2^i

            r(:, j) = mean(d(:, find(ind == j)), 2);

            x = disteu(d(:, find(ind == j)), r(:, j));

            for q = 1:length(x)

                t = t + x(q);

            end

        end

        if (((dpr - t)/t) < e)

            break;

        else

            dpr = t;

        end

    end

end

函数test

function finalmsg = test(testdir, n, code)

for k = 1:n                     % read test sound file of each speaker

    file = sprintf('%ss%', testdir, k);

    [s, fs] = wavread(file);      

        

    v = mfcc(s, fs);            % 得到测试人语音的mel倒谱系数

distmin = 4;              %阈值设置处

                        % 就判断一次,因为模板里面只有一个文件

        d = disteu(v, code{1});    %计算得到模板和要判断的声音之间的“距离”

        dist = sum(min(d,[],2)) / size(d,1);  %变换得到一个距离的量

        

                                      %测试阈值数量级

        msgc = sprintf('与模板语音信号的差值为:%10f ', dist);

        disp(msgc);

        %此人匹配  

        if dist <= distmin  %一个阈值,小于阈值,则就是这个人。

            msg = sprintf('第%d位说话者与模板语音信号匹配,符合要求!\n', k);           

            finalmsg = '此位说话者符合要求!'; %界面显示语句,可随意设定        

            disp(msg);       

        end                 

        %此人不匹配  

        if dist > distmin                          

            msg = sprintf('第%d位说话者与模板语音信号不匹配,不符合要求!\n', k);

             finalmsg = '此位说话者不符合要求!'; %界面显示语句,可随意设定

             disp(msg);      

        end        

end

函数testDB

这个函数实际上是对数据库一个查询,根据测试者的声音,找相应的文件,并且给出是谁的提示

function testmsg = testDB(testdir, n, code)

nameList={'1','2','3','4','5','6','7','8','9' };                        %这个是我们要识别的9个数

for k = 1:n                     % 数据库中每一个说话人的特征

    file = sprintf('%ss%', testdir, k); %找出文件的路径

    [s, fs] = wavread(file);      

        

    v = mfcc(s, fs);            % 对找到的文件取mfcc变换

    distmin = inf;

    k1 = 0;

   

    for l = 1:length(code)   

        d = disteu(v, code{l});

        dist = sum(min(d,[],2)) / size(d,1);

      

        if dist < distmin

            distmin = dist;%%这里和test函数里面一样  但多了一个具体语者的识别

            k1 = l;

        end      

    end

    msg=nameList{k1}

    msgbox(msg);

end

 函数train

---该函数就是对音频进行训练,也就是提取特征参数

function code = train(traindir, n)

k = 16;                         % number of centroids required

for i = 1:n                     % 对数据库中的代码形成码本

    file = sprintf('%ss%', traindir, i);           

    disp(file);

    [s, fs] = wavread(file);

    v = mfcc(s, fs);            % 计算 MFCC's 提取特征特征,返回值是Mel倒谱系数,是一个log的dct得到的

    code{i} = vqlbg(v, k);      % 训练VQ码本  通过矢量量化,得到原说话人的VQ码本

end

 函数melfb

---确定矩阵的滤波器

function m = melfb(p, n, fs)

f0 = 700 / fs;

fn2 = floor(n/2);

lr = log(1 + f0) / (p+1);

% convert to fft bin numbers with 0 for DC term

bl = n * (f0 * (exp([0 1 p p+1] * lr) - 1));

直接转换为FFT的数字模型

b1 = floor(bl(1)) + 1;

b2 = ceil(bl(2));

b3 = floor(bl(3));

b4 = min(fn2, ceil(bl(4))) - 1;

pf = log(1 + (b1:b4)/n/f0) / lr;

fp = floor(pf);

pm = pf - fp;

r = [fp(b2:b4) 1+fp(1:b3)];

c = [b2:b4 1:b3] + 1;

v = 2 * [1-pm(b2:b4) pm(1:b3)];

m = sparse(r, c, v, p, 1+fn2);

  • 演示分析

我们的功能分为两部分:对已经保存的9个数字的语音进行辨别和实时的判断说话人说的是否为一个数.在前者的实验过程中,先把9个数字的声音保存成wav的格式,放在一个文件夹中,作为一个检测的数据库.然后对检测者实行识别,系统给出提示是哪个数字.

在第二个功能中,实时的录取一段说话人的声音作为模板,提取mfcc特征参数,随后紧接着进行遇着识别,也就是让其他人再说相同的话,看是否是原说话者.

实验过程及具体功能如下

先打开Matlab 使Current Directory为录音及程序所所在的文件夹

再打开文件“”,点run运行,打开enter界面,点击“进入”按钮进入系统。(注:文件包未封装完毕,目前只能通过此方式打开运行。)(如下图figure1)

             figure1

在对数据库中已有的语者进行识别模块:

选择载入语音库语音个数;

点击语音库录制模版进行已存语音信息的提取;

点击录音-test进行现场录音;

点击语者判断进行判断数字,并显示出来。

在实时语者识别模块:

点击实时录制模板上的“录音-train”按钮,是把新语者的声音以wav格式存放在”实时模板”文件夹中, 接着点击“实时录制模板”,把新的模板提取特征值。随后点击实时语者识别模板上的“录音-train”按钮,是把语者的声音以wav格式存放在”测试”文件夹中,再点击“实时语者识别”,在对测得的声音提取特征值的同时,和实时模板进行比对,然后得出是否是实时模板中的语者。另外面板上的播放按钮都是播放相对应左边录取的声音。

想要测量多次,只要接着录音,自动保存,然后程序比对音频就可以。

退出只要点击菜单File/Exit,退出程序。

程序运行截图:

()运行后系统界面

六、结论

实验表明,该系统能较好地进行语音的识别,同时,基于矢量量化技术  (VQ)的语音识别系统具有分类准确,存储数据少,实时响应速度快等综合性能好的特点.

矢量量化技术在语音识别的应用方面,尤其是在孤立词语音识别系统中得到很好的应用,特别是有限状态矢量量化技术,对于语音识别更为有效。

通过这次课程设计,我对语音识别有了更加形象化的认识,也强化了MATLAB的应用,对将来的学习奠定了基础。

附:GUI程序代码

function varargout = untitled2(varargin)

% UNTITLED2 M-file for

%      UNTITLED2, by itself, creates a new UNTITLED2 or raises the existing

%      singleton*.

%

%      H = UNTITLED2 returns the handle to a new UNTITLED2 or the handle to

%      the existing singleton*.

%

%      UNTITLED2('CALLBACK',hObject,eventData,handles,...) calls the local

%      function named CALLBACK in  with the given input arguments.

%

%      UNTITLED2('Property','Value',...) creates a new UNTITLED2 or raises the

%      existing singleton*.  Starting from the left, property value pairs are

%      applied to the GUI before untitled2_OpeningFunction gets called.  An

%      unrecognized property name or invalid value makes property application

%      stop.  All inputs are passed to untitled2_OpeningFcn via varargin.

%

%      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one

%      instance to run (singleton)".

%

% See also: GUIDE, GUIDATA, GUIHANDLES

% Copyright 2002-2003 The MathWorks, Inc.

% Edit the above text to modify the response to help untitled2

% Last Modified by GUIDE  08-Jun-2010 23:58:57

% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;

gui_State = struct('gui_Name',       mfilename, ...

                   'gui_Singleton',  gui_Singleton, ...

                   'gui_OpeningFcn', @untitled2_OpeningFcn, ...

                   'gui_OutputFcn',  @untitled2_OutputFcn, ...

                   'gui_LayoutFcn',  [] , ...

                   'gui_Callback',   []);

if nargin && ischar(varargin{1})

     = str2func(varargin{1});

end

if nargout

    [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else

    gui_mainfcn(gui_State, varargin{:});

end

% End initialization code - DO NOT EDIT

% --- Executes just before untitled2 is made visible.

function untitled2_OpeningFcn(hObject, eventdata, handles, varargin)

% This function has no output args, see OutputFcn.

% hObject    handle to figure

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% varargin   command line arguments to untitled2 (see VARARGIN)

% Choose default command line output for untitled2

 = hObject;

% Update handles structure

guidata(hObject, handles);

axes(findobj('tag','axes13'));

imshow('');

axes(findobj('tag','axes12'));

imshow('');

% UIWAIT makes untitled2 wait for user response (see UIRESUME)

% uiwait;

% --- Outputs from this function are returned to the command line.

function varargout = untitled2_OutputFcn(hObject, eventdata, handles)

% varargout  cell array for returning output args (see VARARGOUT);

% hObject    handle to figure

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure

varargout{1} = ;

% --- Executes on button press in pushbutton1.

function pushbutton1_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton1 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

Channel_Str=get,'String');      

Channel_Number=str2double(Channel_Str{get,'Value')});

 global moodle;

moodle = train('模版\',Channel_Number) %¶Ô´ýÇóÓïÒô½øÐÐÌáÈ¡Âë±¾

% --- Executes on button press in pushbutton2.

function pushbutton2_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton2 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handglobal data1;

global moodle ;

test('测试\',1,moodle)%ʵʱÓïÒô¼ì²â

% --------------------------------------------------------------------

function Open_Callback(hObject, eventdata, handles)

% hObject    handle to Open (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

[filename,pathname]=uigetfile('')

file=get,[filename,pathname])

[y,f,b]=wavread(file);

% --------------------------------------------------------------------

function Exit_Callback(hObject, eventdata, handles)

% hObject    handle to Exit (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

exit

% --------------------------------------------------------------------

function About_Callback(hObject, eventdata, handles)

% hObject    handle to About (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

H=['语者识别']

helpdlg(H,'help text')

% --------------------------------------------------------------------

function File_Callback(hObject, eventdata, handles)

% hObject    handle to File (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% --------------------------------------------------------------------

function Edit_Callback(hObject, eventdata, handles)

% hObject    handle to Edit (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% --------------------------------------------------------------------

function Help_Callback(hObject, eventdata, handles)

% hObject    handle to Help (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton7.

function pushbutton7_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton7 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

msg='请速度录音¡'

msgbox(msg)

clear

global data1;

%global dataDN1;

AI = analoginput('winsound');

chan = addchannel(AI,1:2);

duration = 3; %1 second acquisition

set(AI,'SampleRate',8000)

ActualRate = get(AI,'SampleRate');

set(AI,'SamplesPerTrigger',duration*ActualRate)

set(AI,'TriggerType','Manual')

blocksize = get(AI,'SamplesPerTrigger');

Fs = ActualRate;

start(AI)

trigger(AI)

[data1,time,abstime,events] = getdata(AI);

fname=sprintf('E:\\Matlab语音识别系统\\实时模版\\')

%dataDN1=wden(data1,'heursure','s','one',5,'sym8');denoise

wavwrite(data1,fname)

msgbox(fname)

% --- Executes on button press in pushbutton8.

function pushbutton8_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton8 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

global data1;

%global dataDN1;

sound(data1)

%sound(dataDN1)

axes%set to plot at axes1

plot(data1);

%plot(dataDN1);

xlabel('训练采样序列'),ylabel('信号幅');

%xlabel('ѵÁ·²ÉÑùÐòÁÐ'),ylabel('sym8С²¨½µÔëºóµÄÐźŷù');

grid on;

clear

% --- Executes on button press in pushbutton9.

function pushbutton9_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton9 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

msg='请速度录音¡'

msgbox(msg)

clear

global data2;

%global dataDN2;

AI = analoginput('winsound');

chan = addchannel(AI,1:2);

duration = 3; %1 second acquisition

set(AI,'SampleRate',8000)

ActualRate = get(AI,'SampleRate');

set(AI,'SamplesPerTrigger',duration*ActualRate)

set(AI,'TriggerType','Manual')

blocksize = get(AI,'SamplesPerTrigger');

Fs = ActualRate;

start(AI)

trigger(AI)

[data2,time,abstime,events] = getdata(AI);

fname=sprintf('E:\\Matlab语音识别系统\\测试\\')

%dataDN1=wden(data1,'heursure','s','one',5,'sym8');denoise

wavwrite(data2,fname)

msgbox(fname)

% --- Executes on button press in pushbutton10.

function pushbutton10_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton10 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

global data2;

%global dataDN2;

sound(data2)

%sound(dataDN2)

axes%set to plot at axes1

plot(data2);

%plot(dataDN2);

xlabel('测试采样序列'),ylabel('信号幅');

%xlabel('²âÊÔ²ÉÑùÐòÁÐ'),ylabel('sym8С²¨½µÔëºóµÄÐźŷù');%%

grid on;

clear

% --- Executes on button press in pushbutton11.

function pushbutton11_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton11 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

global moodle ;

testDB('测试\',1,moodle)

% --- Executes on button press in pushbutton12.

function pushbutton12_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton12 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

global moodle;

moodle = train('实时模板\',1)

 % --- Executes on selection change in popupmenu3.

function popupmenu3_Callback(hObject, eventdata, handles)

% hObject    handle to popupmenu3 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% Hints: contents = get(hObject,'String') returns popupmenu3 contents as cell array

%        contents{get(hObject,'Value')} returns selected item from popupmenu3

str=get,'String');

    val=str2num(str{get,'Value')});

switch val

    case 1

    case 2

    case 3

    case 4

    case 5

    case 6

    case 7

    case 8

    case 9  

end

% --- Executes during object creation, after setting all properties.

function popupmenu3_CreateFcn(hObject, eventdata, handles)

% hObject    handle to popupmenu3 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    empty - handles not created until after all CreateFcns called

% Hint: popupmenu controls usually have a white background on Windows.

%       See ISPC and COMPUTER.

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

    set(hObject,'BackgroundColor','white');

end

% --- Executes on button press in pushbutton9.

function pushbutton13_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton9 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton10.

function pushbutton14_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton10 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% --- Executes during object creation, after setting all properties.

%function axes8_CreateFcn(hObject, eventdata, handles)

% hObject    handle to axes8 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    empty - handles not created until after all CreateFcns called

% Hint: place code in OpeningFcn to populate axes8文章来源地址https://www.toymoban.com/news/detail-804828.html

到了这里,关于Matlab语音识别系统(源代码)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 毕业设计python 猫狗识别系统Dogs vs Cats For Udacity (Flask 应用)+源代码+文档说明

    点击这里下载源码 运用Tensorflow 、Keras,进行迁移学习 训练识别猫、狗的图片。 项目使用Flask Web作为Web服务器,调用模型进行为用户提供服务的基本示例。 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业

    2024年02月05日
    浏览(48)
  • 【毕业设计】20-基于单片机的指纹识别系统设计(原理图工程+源代码工程+实物操作图+答辩论文+答辩PPT)

    · 资料包含:毕业设计全套资料(精品) 原理图工程文件 原理图截图 搭建视频 答辩论文低重复率文档,25354字 英文文献及翻译 答辩PPT 实物操作图 摘要 对于如何实现家庭防盗这一问题,传统机械锁由于构造简单,被撬事件屡见不鲜;电子锁由于其保密性高,使用灵活性好

    2024年01月17日
    浏览(55)
  • 【计算机视觉 | 目标检测 | 图像分割】Grounding DINO + Segment Anything Model (SAM)源代码分享(含源代码)

    在本教程中,我们将学习如何使用两个突破性的模型自动注释图像 - Grounding DINO 和 Segment Anything Model (SAM)。 然后,我们可以使用此数据集来训练实时对象检测或实例分割模型。 以传统方式使用多边形对图像进行注释极其耗时且昂贵。 借助 Grounding DINO 和 SAM,初始注释仅需几分

    2024年04月15日
    浏览(157)
  • 【计算机视觉】Segment Anything 安装配置及代码测试(含源代码)

    目前代码已经开源! Segment Anything Model(SAM)可以从输入提示(如点或框)生成高质量的物体遮罩,并且可以用于为图像中的所有物体生成遮罩。它在一个包含1100万张图像和10亿个遮罩的数据集上进行了训练,并且在各种分割任务上表现出了强大的零样本性能。 该代码要求使

    2024年02月15日
    浏览(48)
  • 【计算机视觉 | 目标检测】RegionCLIP的环境部署和代码测试(含源代码)

    RegionCLIP: Region-based Language-Image Pretraining This is the official PyTorch implementation of RegionCLIP (CVPR 2022). 我们提出 RegionCLIP,它显著扩展了 CLIP 以学习区域级视觉表示。 RegionCLIP 支持图像区域和文本概念之间的细粒度对齐,从而支持基于区域的推理任务,包括零样本对象检测和开放词汇

    2024年01月15日
    浏览(47)
  • 【计算机视觉】YOLOv8如何使用?(含源代码)

    comments description keywords true Boost your Python projects with object detection, segmentation and classification using YOLOv8. Explore how to load, train, validate, predict, export, track and benchmark models with ease. YOLOv8, Ultralytics, Python, object detection, segmentation, classification, model training, validation, prediction, model export, bench

    2024年02月04日
    浏览(48)
  • matlab查看源代码

    matlab函数源代码-查看 Ctrl+D 最简单方便的一种方法,鼠标划中函数名,按CTRL+D即可打开函数的m文件

    2024年01月25日
    浏览(50)
  • 【计算机视觉】Fast Segment Anything 安装步骤和示例代码解读(含源代码)

    论文地址: 快速分段任意模型 (FastSAM) 是一种 CNN 分段任意模型,仅由 SAM 作者发布的 SA-1B 数据集的 2% 进行训练。 FastSAM 的性能与 SAM 方法相当,运行速度提高了 50 倍。 该代码需要 python=3.7 ,以及 pytorch=1.7 和 torchvision=0.8 。 请按照此处的说明安装 PyTorch 和 TorchVision 依赖项。

    2024年02月13日
    浏览(41)
  • 【计算机视觉】DINOv2(视觉大模型)代码使用和测试(完整的源代码)

    输出为: 命令是一个Git命令,用于克隆(Clone)名为\\\"dinov2\\\"的存储库。它使用了一个名为\\\"ghproxy.com\\\"的代理,用于加速GitHub的克隆操作。 我们需要切换为output的路径: 以下是代码的逐行中文解读: 这段代码的功能是对给定的图像进行一系列处理和特征提取,并使用PCA对特征进

    2024年02月16日
    浏览(56)
  • 【计算机视觉】YOLOv8的测试以及训练过程(含源代码)

    YOLOv8是来自Ultralytics的最新的基于YOLO的对象检测模型系列,提供最先进的性能。 利用以前的 YOLO 版本,YOLOv8模型更快、更准确,同时为训练模型提供统一框架,以执行: 物体检测 实例分割 图像分类 Ultralytics为YOLO模型发布了一个全新的存储库。它被构建为 用于训练对象检测

    2024年02月13日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包