基于MFCC与DTW的0-9数字语音识别系统

资 源 简 介

本程序是一套完整的数字化语音识别解决方案，专门用于实时或离线识别0至9十个阿拉伯数字。系统主要功能涵盖了语音信号的采集、预处理、特征提取、模式训练及匹配识别全流程。首先，通过预加重、分帧和汉宁窗处理提升信号的高频分辨率并保障短时平稳性；其次，采用基于短时能量和短时过零率的双门限端点检测算法，从复杂的背景噪声中准确提取有效语音段；核心特征提取部分采用梅尔频率倒谱系数（MFCC），该算法模拟了人耳的听觉感知特性，能够提取出具有高度鲁棒性的特征向量。在匹配阶段，利用动态时间规整（DTW）算法解决不同说话人或同一

详 情 说 明

基于MATLAB的0-9数字语音识别系统

项目介绍

本系统是一个基于MATLAB开发的数字化语音识别助手，旨在实现0至9十个阿拉伯数字的自动识别。系统采用了语音信号处理领域的经典算法方案，即梅尔频率倒谱系数（MFCC）特征提取与动态时间规整（DTW）模式匹配。该项目包含了从信号生成（模拟真实采集）、预处理、静音段切除到特征比对及最终结果可视化的完整闭环，反映了语音识别系统的核心工作流程。

功能特性

1. 自动生成模拟语音信号：系统内置语音合成逻辑，能够产生带噪声的不同数字特征波形，以便于在没有外部语音库的情况下直接运行调试。
2. 稳健的预处理机制：包含预加重处理，用于提升高频分量；支分帧加窗，确保非平稳语音信号的短时平稳性。
3. 智能端点检测：结合短时能量和短时过零率的双门限检测算法，能有效剔除语音首尾的静音段和环境噪声干扰。
4. 听觉特性特征提取：核心算法采用MFCC，通过Mel滤波器组模拟人耳听觉感知的频率非线性，提取出具有高区分度的倒谱特征。
5. 灵活的时间序列匹配：利用DTW算法解决不同语速导致的时间轴伸缩问题，计算待测样本与模板库之间的最小累计距离。
6. 多维度统计可视化：提供原始波形图、MFCC热力图、匹配距离分布柱状图以及直观的识别结论展示。

系统要求

1. 软件环境：MATLAB R2016b 及以上版本。
2. 基础函数支持：系统自带了Hanning窗实现及信号处理算法，无需额外复杂的第三方库，但需确保具备基础的信号处理计算功能。

使用方法

1. 打开MATLAB软件，将当前工作路径切换至项目所在目录。
2. 在命令行窗口输入 main 符号并按回车键启动系统。
3. 系统将自动执行初始化、特征训练（构建数字0-9的模板库）、模拟测试样本输入、特征匹配。
4. 运行完成后，系统会弹出可视化窗口展示该次识别的详细分析结果，并在命令行输出识别结论。

核心实现逻辑与算法说明

系统逻辑流程

1. 模板库构建：

循环遍历数字0-9，为每个数字生成一个特征模板。首先生成模拟语音信号，经过预加重（滤波器系数0.97）处理。通过端点检测定位有效语音区间，随后提取该段语音的MFCC特征向量序列，并将其存储在模板单元阵列中。

1. 测试样本准备：

生成一个指定数字的模拟语音，并叠加入一定的随机噪声。该信号经过与模板提取完全一致的预处理流程（预加重、分帧、加窗、端点检测）。

1. 特征匹配：

将测试样本提取出的MFCC特征序列分别与模板库中0-9的特征进行DTW比对。计算测试序列与各参考序列之间的最小归一化路径距离，距离最小的参考数字即判定为识别结果。

关键算法细节

1. 预处理 (preprocess)：

使用一阶FIR滤波器执行预加重，传递函数为 H(z) = 1 - 0.97z⁻¹。目的是补偿语音信号高频部分的跌落，使频谱平坦化，利于后续特征提取。

1. 端点检测 (endpoint_detection)：

计算每一帧的能量（幅值的平方和）和过零率（信号跨越零轴的频率）。当能量或过零率超过预设的门限值（t_en=0.05, t_zcr=0.1）时，标记为语音的起始或结束位置。

1. 分帧与加窗 (enframe & hanning)：

将连续信号切割为长度为256采样点的短帧，帧移设定为128点。每一帧均乘以汉宁窗（Hanning Window），以减小频谱泄露并提高频率分辨率。

1. MFCC特征提取 (extract_mfcc)：

对每一帧进行512点FFT变换，计算功率谱。通过24个三角形Mel滤波器组进行能量求和，最后执行离散余弦变换（DCT）并将维度降至12维。这一过程实现了从频谱能量到倒谱域的转换。

1. 动态时间规整 (dtw_distance)：

构建两个不同长度特征序列之间的欧氏距离矩阵。利用动态规划（DP）计算从起点 (1,1) 到终点 (N,M) 的全局最小累计距离。距离计算包含了起始、结束状态及递归路径的选择，最终通过 (N+M) 进行归一化处理。

1. 结果展示 (display_results)：

系统通过绘制四象限图表对比原始数据与处理后的有效数据，使用热力图展现倒谱系数在时间轴上的分布规律，并用柱状图直观反映测试样本与0-9各模板的相似程度。