2018-11-27 23:31:21 entoon 阅读数 7354
• 自然语言处理——实战分词

1245 人正在学习 去看看 魏俊

matlab程序设计实例——语音识别

%设置模板
ncoeff=12; %mfcc系数的个数
fMatrix1 = cell(1,5);
fMatrix2 = cell(1,5);
fMatrix3 = cell(1,5);
fMatrix4 = cell(1,5);
fMatrix5 = cell(1,5);
fMatrix6 = cell(1,5);
fMatrix7 = cell(1,5);

for i = 1:5
q = [‘SpeechData\1’ num2str(i) ‘.wav’];
z=speechIn1(:,1);

fMatrix1(1,i) = {mfccf(ncoeff,speechIn1,FS1)};


end

for j = 1:5
q = [‘SpeechData\2’ num2str(j) ‘.wav’];
z=speechIn2(:,1);
fMatrix2(1,j) = {mfccf(ncoeff,speechIn2,FS2)};
end

for k = 1:5
q = [‘SpeechData\3’ num2str(k) ‘.wav’];
z=speechIn3(:,1);
fMatrix3(1,k) = {mfccf(ncoeff,speechIn3,FS3)};
end

for k = 1:5
q = [‘SpeechData\4’ num2str(k) ‘.wav’];
z=speechIn4(:,1);
fMatrix4(1,k) = {mfccf(ncoeff,speechIn4,FS4)};
end
for k = 1:5
q = [‘SpeechData\5’ num2str(k) ‘.wav’];
z=speechIn5(:,1);
fMatrix5(1,k) = {mfccf(ncoeff,speechIn5,FS5)};
end
for k = 1:5
q = [‘SpeechData\6’ num2str(k) ‘.wav’];
z=speechIn6(:,1);
fMatrix6(1,k) = {mfccf(ncoeff,speechIn6,FS6)};
end
for k = 1:5
q = [‘SpeechData\7’ num2str(k) ‘.wav’];
z=speechIn7(:,1);
fMatrix7(1,k) = {mfccf(ncoeff,speechIn7,FS7)};
end

%将数据保存为mat文件
fields = {‘One’,‘Two’,‘Three’,‘Four’,‘Five’};
s1 = cell2struct(fMatrix1, fields, 2); %fields项作为行
save Vectors1.mat -struct s1;
s2 = cell2struct(fMatrix2, fields, 2);
save Vectors2.mat -struct s2;
s3 = cell2struct(fMatrix3, fields, 2);
save Vectors3.mat -struct s3;
s4 = cell2struct(fMatrix4, fields, 2);
save Vectors4.mat -struct s4;
s5 = cell2struct(fMatrix5, fields, 2);
save Vectors5.mat -struct s5;
s6 = cell2struct(fMatrix6, fields, 2);
save Vectors6.mat -struct s6;
s7 = cell2struct(fMatrix7, fields, 2);
save Vectors7.mat -struct s7;

%%%%%匹配模板%%%
ncoeff = 12; %MFCC参数阶数
N = 5; %10个数字
fs=100000; %采样频率
duration2 = 5; %录音时长
k = 7; %训练样本的人数

speech = audiorecorder(fs,16,1);
disp(‘Press any key to start 5 seconds of speech recording…’);
pause
disp(‘Recording speech…’);
recordblocking(speech,duration2) % duration*fs 为采样点数
speechIn=getaudiodata(speech);
disp(‘Finished recording.’);
disp(‘System is trying to recognize what you have spoken…’);
z=speechIn(:,1);
rMatrix1 = mfccf(ncoeff,speechIn,fs); %采用MFCC系数作为特征矢量
rMatrix = CMN(rMatrix1); %归一化处理

Sco = DTWScores(rMatrix,N); %计算DTW值
[SortedScores,EIndex] = sort(Sco,2); %按行递增排序，并返回对应的原始次序
Nbr = EIndex(:,1:1) %得到每个模板匹配的2个最低值对应的次序

[Modal,Freq] = mode(Nbr(😃); %返回出现频率最高的数Modal及其出现频率Freq

Word = char(‘hello’,‘matlab代码’,‘工作室’,‘欢迎’,‘你’);
if mean(abs(speechIn)) < 0.01
fprintf(‘No microphone connected or you have not said anything.\n’);
elseif (Freq <2) %频率太低不确定
fprintf(‘The word you have said could not be properly recognised.\n’);
else
fprintf(‘You have just said %s.\n’,Word(Modal,:));
end

%%%%来自私人定制程序文案工作室%%%%
https://weidian.com/?userid=1808020072&wfr=wx&sfr=app&source=shop&from=singlemessage

2015-04-03 12:31:22 fandaoerji 阅读数 11399
• 自然语言处理——实战分词

1245 人正在学习 去看看 魏俊

HMM+GMM语音识别技术详解级PMTK3中的实例

• 语音信号基础：语音信号的表示形式、分帧、特征(MFCC)、音素等等
• HMM模型：离散隐马尔科夫模型级3个问题的求解方法
• GMM：混合高斯模型，用于连续隐马尔科夫模型。

语音数据处理

• fs：采样率 8000Hz 115200Hz 等等，代表每1秒保存的语音数据点数
• bits:每个采样点用几个二进制保存
• 通道：很多音频都有左右2个通道，在语音识别中通常有一个通道的数据就够了。

[x fs bit]=wavread('apple.wave');
plot(x);
--------------
fs =8000
bits =16
--------------

    Fs = 8000;
framesize = 80;%真长
overlap = 20;%帧课重叠部分长度
frames = enframe(x, hamming(framesize), overlap);
>> size(frames)
131    80

80个数据点对于我们来说也比较多的，能不能再进一步减少呢？当然可以这就是特征提取了。现在语音识别中常用的特征是MFCC（可以参照：http://blog.csdn.net/xiaoding133/article/details/8106672）。我们需要知道80个数据点最后提取了多长的特征呢？答案是12个点。

HMM模型

HMM模型的基本知识一定要读A tutorial on Hidden Markov Models and selected applications in speech recognition, L. Rabiner, 1989, Proc. IEEE 77(2):257–286. 相信我这个英文写的HMM说明比很多中文网站里写的要好懂很多。这里假设大家都懂了HMM模型是什么，我主要说一下，HMM模型怎么用到语音识别的吧。

少词汇量语音识别

• 状态个数N：整数
• 转移概率A：N×N矩阵
• 初始概率π：N×1矩阵
• 观察序列概率B：N×T矩阵 T是观察符号集个数
• 观察符号：模型输出的东西，可以是数值也可以是向量

N=2分别代表目前用的是红球还是绿球
π=[0.5 0.5] 试验开始我随机取了一个球因此取到红球或绿球的概率一样
A=[
0.8 0.2
0.2 0.8
] 假设我用的硬币质量不均匀，出正面的概率是0.8 背面是0.2
O={x,y} 把球落入盒子的坐标作为观察序列。

0.2 0.8 0
0 0.2 0.8
0 0 1
] (其中数值时假设的)

P（O|λ_apple）
P（O|λ_banana）
P（O|λ_kiwi）
P（O|λ_lime）
P（O|λ_orange）
P（O|λ_peach）
P（O|λ_pineapple）

连续大词汇量语音识别

HMM模型

ONE w ah n
YOUNG y ah ng

A_k=[
0 1 0 0 0
0 1/2 1/2 0 0
0 0 1/2 1/2 0
0 0 0 1/2 1/2
0 0 0 0 0
]

A_ao=[
0 1 0 0 0
0 1/2 1/2 0 0
0 0 1/2 1/2 0
0 0 0 1/2 1/2
0 0 0 0 0
]

A_l=[
0 1 0 0 0
0 1/2 1/2 0 0
0 0 1/2 1/2 0
0 0 0 1/2 1/2
0 0 0 0 0
]

A_call=[
0 1 0 0 0 0 0 0 0 0 0
0 1/2 1/2 0 0 0 0 0 0 0 0
0 0 1/2 1/2 0 0 0 0 0 0 0
0 0 0 1/2 1/2 0 0 0 0 0 0
0 0 0 0 1/2 1/2 0 0 0 0 0
0 0 0 0 0 1/2 1/2 0 0 0 0
0 0 0 0 0 0 1/2 1/2 0 0 0
0 0 0 0 0 0 0 1/2 1/2 0 0
0 0 0 0 0 0 0 0 1/2 1/2 0
0 0 0 0 0 0 0 0 0 1/2 1/2
0 0 0 0 0 0 0 0 0 0 0
]

Embedded Training

①训练用的句子的文本文件、例子： call nine one one !
②读音词典。例子：
CALL k ao l
NINE n ay n
ONE w ah n
③语音文件。sen01.wav sen02.wav
④音素列表级音素原始HMM定义
embedded training的基本思路是：读取一个句子的文本、把文本表示的一个句子转成用音素表示的句子(利用读音词典)、利用原始音素HMM定义串联起来构成句子的HMM定义(可能是非常长的HMM了)。然后把一个句子的wav文件转换成帧、提取特征，变成长的特征序列。然后把整个句子的特征序列看做是句子HMM模型的观察序列，直接却训练长的句子HMM模型(这时和普通的HMM模型一样用Baum-Welch算法)。句子训练好以后实际上各个音素也训练好了(因为句子的A、B矩阵就由音素的A、B矩阵构成)。看下图：

1.为每个训练句子建立整句HMM模型
2.初始化整句HMM模型的A矩阵，其中开始和结束状态外，每个状态只能到自己或下一个状态，概率分别是0.5
3.所有状态的B矩阵(一般用混合高斯模型)用全部训练样本的均值和方差初始化高斯模型的均值和方差
4.多次执行Baum-Welch算法。

语音解码

- 连续语音中词与词的边界是不知道的
- 给出一段语音信号，其中包含的额文字个数是未知的
- 搜索全部可能性是很难的，比如总共有M个词，语音长度是V个帧，全部组合是Mv$M^v$这么多可能性，无法全部遍历。

Token Passing Algorithm

三音素模型

HMM基础论http://www.cs.ubc.ca/~murphyk/Software/HMM/rabiner.pdf
HTK说明文档 htkbook.pdf （网上可下载）
【Speech and Language Processing】Daniel Jurafsky & James H. Martin 提取码：ceye

实例

PMTK是matlab中机器学习工具包。包含了很多现成的模型和算法。下面主要用他的HMM模型做一下语音识别。其中和HMM有关的代码都在pmtk3\toolbox\LatentVariableModels\hmm里面。下面是一些函数的使用说明：

创建HMM模型
function model = hmmCreate(type, pi, A, emission)
type：类型，有discrete：离散  gauss：高斯，每个状态用单个高斯分布描述  mixgausstied：混合高斯，但所有状态都用相同的分布   student：
pi:初始状态概率
A：转移矩阵
emission:发射状态描述（对应于离散时的B矩阵，但PMTK里用一个结构体描述，可以对应离散和连续多种情况，这个参数一般用其他函数生成）

function model = mkRndGaussHmm(nstates, d)
nstates：状态个数
d:一个观察符号的维度

function [observed, hidden] = hmmSample(model, len, nsamples)

HMM训练函数
function [model, loglikHist] = hmmFitEm(data, nstates, type, varargin)
data:观察序列
nstates：状态个数
type：类型，有discrete：离散  gauss：高斯  mixgausstied：混合高斯   student：
varargin：可变参数，这里可以携带很多参数，一般采用 'name','value','name','value' 的形式

model = hmmFit(data, 2, 'gauss', 'verbose', true, 'piPrior', [3 2], 'emissionPrior', prior, 'nRandomRestarts', 2, 'maxIter', 10);
【'verbose', true, 'piPrior', [3 2], 'emissionPrior', prior, 'nRandomRestarts', 2, 'maxIter', 10】就是属于varargin部分，比如【'maxIter', 10】代表最大迭代次数是10，其他都是算法中要用到的指标，可以指定也可以走默认值。

HMM训练函数
function [model, loglikHist] = hmmFit(data, nstates, type, varargin)

hmmLogprob(trueModel, observed)：计算对数概率，再模型trueModel下，观察到observed的概率是多少。出来的都是负数，绝对值越大表示概率越接近0（越小）

path=hmmMap(model, X):再模型model下，观察数列X最后可能的路径计算函数(viterbi算法)。

function [gamma, logp, alpha, beta, B] = hmmInferNodes(model, X)
% logp = log p(X | model)   对数概率
% alpha(i, t) = p(S(t)=i | X(:, 1:t)    (filtered)   α变量
% beta(i,t) propto p(X(:, t+1:T) | S(t=i))   β变量
% gamma(i,t)  = p(S(t)=i | X(:, 1:T))   (smoothed)  γ变量
% B - soft evidence  根据X推算出来的B矩阵

HMM模型用了PMTK3的库PMTK3

pmtk3 和 mfcc 自行下载并安装或把路径制定到你自己的matlab环境里，我在win7+matlab2010a 环境运行正常

clc;  clear all;  close all;

fs=8000;

Tw = 25;                % analysis frame duration (ms)  帧长
Ts = 10;                % analysis frame shift (ms)  帧移
alpha = 0.97;           % preemphasis coefficient  语音增强
M = 20;                 % number of filterbank channels
C = 12;                 % number of cepstral coefficients MFCC个数
L = 22;                 % cepstral sine lifter parameter
LF = 300;               % lower frequency limit (Hz)
HF = 3700;              % upper frequency limit (Hz)

%训练用数据
%转MFCC参数
train_feature={};
for speech=train_signals
[ MFCCs, FBEs, frames ] = mfcc( speech{1}, fs, Tw, Ts, alpha, @hamming, [LF HF], M, C+1, L );
train_feature(end+1,1)={MFCCs};
end;

%测试用数据
%转MFCC参数
test_feature={};
for speech=test_signals
[ MFCCs, FBEs, frames ] = mfcc( speech{1}, fs, Tw, Ts, alpha, @hamming, [LF HF], M, C+1, L );
test_feature(end+1,1)={MFCCs};
end;

%% HMM模型建立和训练
d = C+1; %一个观察符号的维度
nstates = 5;%状态个数
nmix    = 3; % 混合高斯分布个数

%训练apple的HMM
pi0=[1  0  0  0  0]; %初始状态概率
trans0=[1/2  1/2   0   0     0  ; %转移概率
0    1/2  1/2   0    0  ;
0    0    1/2  1/2   0  ;
0    0     0   1/2  1/2 ;
0    0     0    0    1  ];

models={};
[unique_train_labels, ~, indices] = unique(train_labels);%重复去掉，只取唯一值
for i = 1:length(unique_train_labels)
display(sprintf('modeling %s...', char(unique_train_labels(i))))

%发射概率初始值计算
stackedData = cell2mat(train_feature(indices == i)')';%训练用数据
mu = zeros(d, nmix);%均值
Sigma = zeros(d, d, nmix);%方差
for k = 1:nmix
XX             = stackedData + randn(size(stackedData));
mu(:, k)       = colvec(mean(XX));%所有训练数据的均值
Sigma(:, :, k) = cov(XX);%所有训练数据的方差
end
M = normalize(rand(nstates, nmix), 1);%混合高斯系数
emission = condMixGaussTiedCpdCreate(mu, Sigma, M);%发射状态描述结构体获得

%训练HMM
%verbose：是否打印信息
%nRandomRestarts:随机训练几次
%maxiter：最大迭代次数
%nmix：混合高斯个数
%pi0：HMM初始状态概率
%trans0：HMM初始转移概率
%emission0：初始发射状态描述
%piPrior：防止除数为0的情况出现   a/b=a+piPrior/b+piPrior  变成这种形式
%transPrior：防止除数为0的情况出现   a/b=a+piPrior/b+piPrior  变成这种形式
models(end+1,1) = {hmmFit(train_feature(indices == i), nstates, 'mixGaussTied', 'verbose', false, ...
'nRandomRestarts', 3, 'maxiter', 50, 'nmix', nmix,...
'pi0',pi0,'trans0',trans0,'emission0',emission, ...
'piPrior',pi0,'transPrior',trans0.*10)};
end;

%训练样本识别率计算
errorcount=0;
for j=1:length(train_feature)
p=zeros(length(unique_train_labels),1);
for i = 1:length(unique_train_labels)
p(i)=hmmLogprob(models{i}, train_feature(j));%计算概率值
end;
[~, i]=max(p);%取最大概率的模型作为识别
%display(sprintf('"%s" is recognized as "%s"', train_labels{j},char(unique_train_labels(i))))
if ~strcmp(train_labels{j},char(unique_train_labels(i)))
errorcount=errorcount+1;%错误累计
end;
end;
display(sprintf('train accuracy is %0.2f', (length(train_feature)-errorcount)*100/length(train_feature)));

%% 测试样本识别率计算
errorcount=0;
for j=1:length(test_feature)
p=zeros(length(unique_train_labels),1);
for i = 1:length(unique_train_labels)
p(i)=hmmLogprob(models{i}, test_feature(j));%计算概率值
end;
[~, i]=max(p);%取最大概率的模型作为识别
%display(sprintf('"%s" is recognized as "%s"', test_labels{j},char(unique_train_labels(i))))
if ~strcmp(test_labels{j},char(unique_train_labels(i)))
errorcount=errorcount+1;%错误累计
end;
end;
display(sprintf('test accuracy is %0.2f', (length(test_labels)-errorcount)*100/length(test_labels)));

function [audio_signals, word_labels] = load_audio_from_folder(audio_folder)
audio_signals = {};
word_labels = {};

for word_folder = struct2cell(dir(audio_folder))
for word_file = struct2cell(dir(sprintf('%s/%s/*.wav', audio_folder, char(word_folder(1)))))
file_path = sprintf('%s/%s/%s', audio_folder, char(word_folder(1)), char(word_file(1)));
audio_signals(end + 1) = {x(:,1)}; %#ok<AGROW>
word_labels(end + 1) = word_folder(1); %#ok<AGROW>
end
end
end

1. MFCC特征现在只用了最原始MFCC，可以把一介差分、二介差分加入构成39维度的特征
2. 连续语音识别模型建立
3. 连续语音三音素和参数共享等

可以自己进一步实现上述功能，不过也可以直接使用HTK工具。不过上述内容可以加深对HMM的理解，并有助于提高自己的编程能力。

2020-03-23 19:25:18 u014365862 阅读数 151
• 自然语言处理——实战分词

1245 人正在学习 去看看 魏俊

（1）04 隐马尔可夫模型 (HMM)
https://blog.csdn.net/u014365862/article/details/105007027
（2）一个隐马尔科夫模型的应用实例：中文分词： https://blog.csdn.net/u014365862/article/details/54891582

'''

'''

import numpy as np
import hmmlearn.hmm as hmm

states = ['盒子1', '盒子2', '盒子3']
obs = ['白球', '黑球']
n_states = len(states)
m_obs = len(obs)

model2 = hmm.MultinomialHMM(n_components=n_states, n_iter=20, tol=0.001)
X2 = np.array([
[0, 1, 0, 0, 1],
[0, 0, 0, 1, 1],
[1, 1, 0, 1, 0],
[0, 1, 0, 1, 1],
[0, 0, 0, 1, 0]
])
model2.fit(X2)
print("输出根据数据训练出来的π")
print(model2.startprob_)
print("输出根据数据训练出来的A")
print(model2.transmat_)
print("输出根据数据训练出来的B")
print(model2.emissionprob_)
输出根据数据训练出来的π
[  9.99999998e-01   1.81378454e-09   8.05262820e-30]

[[ 0.30459785  0.18910843  0.50629372]
[ 0.44920744  0.35079347  0.19999909]
[ 0.48427612  0.45080508  0.0649188 ]]

[[ 0.9600675   0.0399325 ]
[ 0.48750091  0.51249909]
[ 0.02464824  0.97535176]]

import numpy as np
import hmmlearn.hmm as hmm

# 首先定义变量
status = ['盒子1', '盒子2', '盒子3']   # 隐藏的状态集合
obs = ['白球', '黑球']    # 观察值集合
n_status = len(status)    # 隐藏状态的长度
m_obs = len(obs)          # 观察值的长度
start_probability = np.array([0.2, 0.5, 0.3])
'''

'''
transition_probability = np.array([
[0.5, 0.4, 0.1],
[0.2, 0.2, 0.6],
[0.2, 0.5, 0.3]
])
'''

'''
emission_probalitity = np.array([
[0.4, 0.6],
[0.8, 0.2],
[0.5, 0.5]
])
'''

https://www.jianshu.com/p/da633461684f
https://www.jianshu.com/p/0f175b9781de
'''

# 下面开始定义模型
'''
hmmlearn中主要有两种模型，分布为：GaussianHMM和MultinomialHMM；

'''

model = hmm.MultinomialHMM(n_components=n_status)  # 观测值，球的黑或白，是离散的，n_status隐藏状态的长度
model.startprob_ = start_probability
model.transmat_ = transition_probability
model.emissionprob_ = emission_probalitity

'''

status = ['盒子1', '盒子2', '盒子3']
obs = ['白球', '黑球']

'''

se = np.array([[0, 1, 0, 0, 1]]).T   # （白球 黑球 白球 白球 黑球）
logprob, box_index = model.decode(se, algorithm='viterbi')
print("颜色:", end="")
print(" ".join(map(lambda t: obs[t], [0, 1, 0, 0, 1])))
print("盒子:", end="")
print(" ".join(map(lambda t: status[t], box_index)))
print("概率值:", end="")
print(np.exp(logprob)) # 这个是因为在hmmlearn底层将概率进行了对数化，防止出现乘积为0的情况

颜色:白球 黑球 白球 白球 黑球

1、正常语速下，音素的持续时间大约是 50~200 毫秒，所以帧长一般取为小于 50 毫秒。

2、语音的基频，男声在 100 赫兹左右，女声在 200 赫兹左右，换算成周期就是 10 毫秒和 5 毫秒。既然一帧要包含多个周期，所以一般取至少 20 毫秒。

GMM+HMM算法

（1）GMM-HMM语音识别模型 原理篇

： https://blog.csdn.net/abcjennifer/article/details/27346787

（2）https://zhuanlan.zhihu.com/p/63753017

（3） 基于GMM-HMM的语音识别系统（1）：https://zhuanlan.zhihu.com/p/107693481

2019-03-07 18:55:21 weixin_43409302 阅读数 1883
• 自然语言处理——实战分词

1245 人正在学习 去看看 魏俊

一、项目简介

• 语音识别是人工智能领域的一个重要的应用场景，那么程序究竟是如何听懂语音的呢？
• 本文将用真实的音频案例，用代码呈现语音识别的基本原理和流程。
• 同时，将各种声音信号的MFCC矩阵进行可视化，“把声音的美丽画成图”。

2、案例数据

• 本文采集7类声音数据（7种水果的英文读音wav文件）
• 7类分别为：apple(苹果),banana(香蕉),orange(橘子),lime(青柠檬),
kiwi(猕猴桃)，peach(桃子),pineapple(菠萝)
• 训练集各准备14个样本，测试集各一个样本

二、模型创建

1、导入相关工具包

• 核心工具包：hmmlearn,scipy.io.wavfile,python_speech_features
import os
import warnings
import numpy as np
import scipy.io.wavfile as wf
import python_speech_features as sf
import matplotlib.pyplot as mp
import hmmlearn.hmm as hl
# 过滤代码运行中无关的警告日志
warnings.filterwarnings(
'ignore', category=DeprecationWarning)
np.seterr(all='ignore')


2、定义语音识别的各类函数

# 定义声音文件的标签和路径的映射字典函数
def search_speeches(directory, speeches):
# 如果路径不是文件夹则报出异常
if not os.path.isdir(directory):
raise IOError("路径" + directory + '不是文件夹')
# 获取文件夹中的子目录
for entry in os.listdir(directory):
# 获取分类文件夹的名称作为分类标签
label = directory[directory.rfind(
os.path.sep) + 1:]
# 拼接新的文件路径
path = os.path.join(directory, entry)
# 如果路径为文件夹则继续递归向内查询
if os.path.isdir(path):
search_speeches(path, speeches)
# 如果路径为'.wav'后缀的文件名
elif os.path.isfile(path) and \
path.endswith('.wav'):
# 判断speeches中是否存在label标签
if label not in speeches:
speeches[label] = []
speeches[label].append(path)
return speeches

# 获取数据集的MFCC矩阵和标签列表
def gen_matrix(speeches):
path_x, path_y = [], []
# 获取wav文件类型标签和文件集
for label, filenames in speeches.items():
mfccs = np.array([])
# 遍历每一个wav文件
for filename in filenames:
# 提取wav文件的采样率和信号值
# 获取每个音频文件的mfcc
mfcc = sf.mfcc(sigs, sample_rate)
if len(mfccs) == 0:
mfccs = mfcc
else:
mfccs = np.append(mfccs, mfcc, axis=0)
path_x.append(mfccs)
path_y.append(label)
return path_x, path_y

# 进行模型训练,获取训练后的模型集
def model_train(path_x, path_y):
models = {}
for mfccs, label in zip(path_x, path_y):
# 利用HMM算法创建模型
model = hl.GaussianHMM(
n_components=4, covariance_type='diag',
n_iter=1000)
# 获取每个训练样本训练得到的model
models[label] = model.fit(mfccs)
return models

# 模型预测,获取样本测试的标签集
def model_pred(path_x, path_y, models):
pred_test_y = []
for mfccs in path_x:
# 初始化最优模型得分和对应的类别
best_score, best_label = None, None
# 获取模型和对应的标签
for label, model in models.items():
# 计算模型的测试得分
score = model.score(mfccs)
# 选择每个类别对应的最优模型参数
if (best_score is None) or \
best_score < score:
best_score, best_label = score, label
pred_test_y.append(best_label)
return pred_test_y

# 定义可视化函数，绘制wav文件对应的MFCC图像
def visualize(path_x, path_y):
for mfcc, label in zip(path_x, path_y):
mp.matshow(mfcc.T, cmap='jet', fignum=label)
mp.title(label, fontsize=20)
mp.xlabel('Sample', fontsize=14)
mp.ylabel('Feature', fontsize=14)
mp.tick_params(which='both', top='False',
labeltop='False', labelbottom='True',
labelsize=10)
mp.show()


3、模型训练阶段

# 训练模型阶段
# 获取训练集的标签、文件字典
train_path = 'speeches/training'
train_speeches = {}
train_speeches = search_speeches(
train_path, train_speeches)
# print(train_speeches)
# 获取格式化训练样本数据集
train_x, train_y = gen_matrix(train_speeches)
# 获取训练模型集合
models = model_train(train_x, train_y)
# print(len(models))


4、模型测试阶段

# 模型预测阶段
# 获取测试集的标签、文件字典
test_path = 'speeches/testing'
test_speeches = {}
test_speeches = search_speeches(
test_path, test_speeches)
# print(test_speeches)
# 获取格式化训练样本数据集
test_x, test_y = gen_matrix(test_speeches)
# 获取预测结果集
pred_test_y = model_pred(
test_x, test_y, models)
print('True Value:\n', pred_test_y)
print('Predict Value:\n', test_y)


5、wav文件可视化

# 可视化各种类别的MFCC图像
visualize(test_x, test_y)