Matlab语音识别系统(源代码)最新版DOC

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-819576.html

到了这里，关于Matlab语音识别系统(源代码)最新版DOC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！