基于GUI的说话人性别识别系统

资 源 简 介

本项目开发了一套基于MATLAB图形用户界面（GUI）的说话人性别识别系统，旨在通过分析人类语音信号的统计特征来自动辨别说话人的性别。系统主要通过分析男女声在生理结构上导致的基音频率（Pitch）差异来实现识别，男性的基音频率通常处于85Hz至155Hz之间，而女性则处于165Hz至255Hz之间。系统功能涵盖了语音信号的采集与加载、预处理（包括预加重、分帧、加窗处理）、特征提取以及自动分类识别。在特征提取阶段，系统利用自相关函数法或倒谱法精确计算每一帧语音的基音周期，并提取梅尔频率倒谱系数（MFCC）作

详 情 说 明

基于GUI的说话人性别识别系统

项目介绍

本项目开发了一套基于MATLAB图形用户界面（GUI）的说话人性别识别系统。该系统通过对输入语音信号进行深入的数字化处理，提取能够反映性别特征的关键声学参数。系统核心逻辑基于人体生理结构差异导致的基音频率（Pitch）差异：男性声带较厚且长，基音频率较低；女性声带较薄且短，基音频率较高。系统集成了信号采集、预处理、特征提取及自动分类功能，为语音信号处理的研究与教学提供了一个可视化的实验平台。

功能特性

1. 多渠道语音获取：支持从本地硬盘加载WAV或MP3格式的录音频文件，并具备实时麦克风录音功能（固定录制时长为3秒）。
2. 标准化预处理：自动进行去直流偏移处理，并应用高通预加重滤波器，以提升高频共振峰的显现度。
3. 精准特征提取：

* 利用自相关函数法（Autocorrelation Method）在时域内精确定位基音周期。 * 实现了梅尔频率倒谱系数（MFCC）的提取算法，作为语音特征的辅助描述。

1. 动态可视化分析：实时生成并展示语音时域波形图、短时能量分布图以及基音频率随时间变化的轨迹分布。
2. 智能自动判别：基于统计学均值逻辑，对有效语音段的基音频率进行加权计算，并与预设阈值对比，自动给出性别识别结论。

实现逻辑与算法细节

系统程序严格遵循语音识别的经典架构流程，其详细实现逻辑如下：

1. 信号采集与预处理

• 采样规范：系统采用8000Hz采样率进行数字化，确保覆盖语音识别的核心频带。
• 预处理步骤：首先通过减去均值滤除直流干扰；随后使用传递函数为 H(z) = 1 - 0.97z⁻¹ 的数字滤波器进行预加重，增强语音的高频部分，使频谱变得平坦，利于后续分析。

2. 分帧与加窗

• 短时分析：由于语音信号的非平稳性，系统将其划分为若干短时帧。帧长设定为30ms（即240个采样点），帧移设定为15ms（50%重叠率）。
• 平滑处理：每帧信号均通过汉明窗（Hamming Window）加权，以减小分帧带来的频谱泄露风险。

3. 特征提取核心算法

• 短时能量计算：通过计算每帧信号的平方和得出能量曲线，并设定能量阈值（最大能量的10%），用于区分语音段与静音/噪声段。
• 基音频率（Pitch）提取：

* 算法采用自相关函数法。在限定的搜索范围（80Hz至300Hz）内寻找自相关函数的最大峰值。 * 通过峰值对应的延迟位置估算基音周期，进而计算得出当前帧的基音频率（Hz）。

• MFCC特性提取：

* 将信号转化至频域获取功率谱。 * 使用24个梅尔滤波器组对频谱进行三角滤波。 * 取对数后执行离散余弦变换（DCT），提取前12维系数作为描述语音包络的关键特征。

4. 性别判定原则

• 系统过滤掉所有非语音段的无效基音数据。
• 判定逻辑：计算所有有效语音帧的平均基音值。
• 阈值设置：若平均基音频率小于160Hz，系统判定为“男”；若平均基音频率大于等于160Hz，系统判定为“女”。

使用方法

1. 启动程序：在MATLAB环境中运行主程序脚本，弹出系统主界面。
2. 输入语音：

* 点击“读取音频文件”选择本地存储的WAV/MP3语音。 * 或者点击“开始实时录音”，根据弹出提示通过麦克风录制3秒语音。

1. 结果转换：点击“提取特征与识别”按钮，系统将自动执行流水线处理。
2. 查看分析：观察界面下方的三个图表（时域图、能量图、基音轨迹图），点击识别后界面右上角将直接显示“男”或“女”的识别结果以及具体的平均基音数值。

系统要求

• 软件环境：MATLAB R2016b 及以上版本。
• 硬件要求：具备正常工作的声卡、麦克风（若需实时录音）及音频输出设备。
• 依赖组件：程序内含完整的信号处理逻辑，无需额外安装特定的第三方语音工具箱。