基于矢量量化VQ的说话人识别系统

资 源 简 介

该项目利用MATLAB环境开发了一套完整的说话人识别系统，其核心原理是基于矢量量化(Vector Quantization, VQ)技术实现对不同说话人声学特征的建模与匹配。 系统整体流程包含语音信号预处理、声学特征提取、码本训练以及识别匹配四个核心模块。在预处理阶段，系统对录入的原始语音进行预加重、分帧和加窗处理，以消除直流偏置并增强语音信号的高频分量，确保分析的短时平稳性。 特征提取阶段采用了梅尔频率倒谱系数(MFCC)算法，通过模拟人类耳蜗的频率感知特性，从每一帧语音中提取出能够代表说话人声道结构的

详 情 说 明

基于矢量量化(VQ)的说话人识别系统

项目介绍

本项目是一个在MATLAB环境下开发的完整说话人识别演示系统。其核心原理是利用音频信号的声学特征，通过矢量量化（Vector Quantization, VQ）技术为每个说话人构建特征码本。在识别阶段，系统通过对比待测语音与已知码本之间的量化失真程度，实现对说话人身份的自动判别。

功能特性

• 具备完整的信号处理全流程，包含预处理、特征提取、模型训练、匹配识别及结果可视化。
• 采用梅尔频率倒谱系数（MFCC）作为声学特征，能够有效捕捉说话人的声道结构差异。
• 实现经典的LBG聚类算法，将高维特征空间压缩为代表性的码本中心。
• 包含内置的模拟语音生成功能，无需依赖外部录音库即可演示系统闭环。
• 自动化输出统计报告，并通过图形化界面直观展示特征分布与识别结果。

系统要求

• 运行环境：MATLAB R2016a 或更高版本。
• 硬件要求：标准处理器，内存建议 4GB 以上。
• 软件工具箱：建议安装信号处理工具箱（Signal Processing Toolbox），以便支持dct、hamming等基础函数。

使用方法

1. 启动MATLAB并进入项目所在文件夹。
2. 在命令行窗口直接输入系统主入口命令：main
3. 系统将自动执行以下操作：

- 生成模拟的三位说话人语音数据。 - 提取各说话人的MFCC特征并训练VQ码本。 - 对预设的测试样本进行身份检索。 - 弹出可视化分析图表并输出识别准确率。

详细实现逻辑

系统主函数严格遵循以下四个逻辑阶段：

1. 数据准备阶段

系统配置采样率为 8000Hz。考虑到教学与演示需求，系统内部实现了一个模拟数据生成器。该功能基于不同的基频（100Hz, 150Hz, 210Hz）和谐波加噪，为 3 位虚拟说话人分别生成 3 组训练样本和 1 组测试样本。每个样本时长为 2 秒，并加入了指数衰减包络以模拟真实的语音起伏。

1. 特征提取与模型训练阶段

系统对每一段训练语音进行逐帧处理： - 预处理：应用 [1, -0.97] 的一阶高通滤波器进行预加重，通过分帧（帧长 256 点，帧移 128 点）和汉明窗（Hamming Window）处理以保证信号的短时平稳。 - MFCC提取：计算每帧的功率谱，通过 20 个梅尔滤波器组获取梅尔能谱，取对数后进行离散余弦变换（DCT）。最终提取 2 至 13 阶（共 12 阶）系数作为核心特征矢量。 - VQ码本训练：核心采用了 LBG 算法。该算法从所有特征矢量的全局均值质心开始，通过 0.01 的偏移量 epsilon 进行迭代分裂（1->2->4->8->16），并在每次分裂后运行 K-means 优化算法，直到为每位说话人生成一个包含 16 个聚类中心的码本。

1. 识别与测试阶段

系统提取待测样本的 MFCC 特征序列，并将其与所有已知说话人的码本进行比对： - 距离度量：利用欧氏距离计算待测特征矢量与各码本中心之间的最小距离。 - 决策准则：计算整段语音特征到特定码本的平均量化失真（Distortion）。根据最小失真准则，将待测语音判定为与之具有最小平均距离的码本所属说话人。

1. 结果统计与可视化阶段

系统计算并输出识别准确率。同时通过图形化窗口展示以下内容： - 待测语音的 MFCC 特征倒谱图。 - 不同说话人码本中心在特征空间（前两维）的分布散点图。 - 各测试样本相对于所有码本的量化失真柱状图。

关键算法说明

• MFCC 特征提取：通过模拟人耳对非线性频率（Mel Scale）的感知规律，将线性频率轴转换为梅尔刻度，由于提取的是倒谱参数，具有良好的去卷积特性，能较好地表征说话人的个人特征。
• LBG 聚类算法：这是一种基于“分裂”思想的矢量量化算法。它解决了 K-means 算法对初始质心依赖的问题。通过不断增加质心数量并优化，系统能以较小的码本规模（如 16 个矢量）代表数千帧语音的分布，极大提高了匹配效率。
• 欧氏距离计算：利用高效的矩阵运算实现大量特征矢量之间的距离快速求解，确保了识别过程的实时性。