如何利用Matlab完成数字1-9的语音识别

第四堂课布置了一个Mission Impossible：如何利用Matlab完成数字1-9的语音识别

要事先准备好1-9数字的图片文件和声音文件。

任务的目标是：制作一个Matlab图形界面程序，它的核心控件是'录制语音'和'语音识别'按钮，主要是用来实现在线录制一段语音，比如'5'这个音，然后点击'语音识别'按钮，就会在程序的上方显示'5'这个数字图片，效果如下图所示：

准备1-9数字的图片文件：

准备1-9数字的声音文件：

接下来，我们来搭建一个Matlab GUI的框架：

它呈现出来的样子是这样的：

（a）左上方是工作目录：根据 .m 文件当前的位置，我们是可以获取当前的工作目录的（利用 fileparts函数和mfilename函数的嵌套可以获取当前工作目录，具体代码见初始化功能模块），然后把工作目录和语音文件所在的文件夹名称合并就可以get到默认的当前工作路径，在初始化的时候，这个路径信息会自动写在当前目录的编辑框中。

（b）左侧专门放置了一个Listbox，通过 Load All按钮可以把语音文件目录中所有文件都载入到 Listbox这个控件中来，如下图所示：

（c）增加了一个import和export两个功能按钮。为什么要这么操作？是因为作为模板的声音文件，最好还是要标准一点，所以语音文件的录制过程往往是需要反复的，录制，显示，播放，如果不满意要重新录制，如此循环直到最后的结果满意为止。等录制的效果令人满意了，你就可以点击'<<' 按钮把当前录制的语音另存为一个文件。可能在后来的使用过程中，对于先前录制的某个语音文件还不是很满意，可以通过 '>>' 载入之前的语音文件（在Listbox里选取的那个文件），听这个语音有什么问题，看看能不能重新录制达到更好的效果。

（d）右侧上方和右侧中间是识别后呈现的数字图片，和录制的语音显示出来的波形图。

（e）右侧下方是一排的按钮，分别实现语音的'录制'，'显示'，'播放'，'保存'和'识别'。（f）这排按钮的上方专门增加了两个文本编辑框（Tag和Label），这两个编辑框在保存语音文件的时候可以标记你保存的文件名。

*** **

这个语音识别程序的算法简单地说是：不管是刚刚录制的语音信息，还是已经录制好的语音文件，都可以通过Vad完成一次切割，然后利用mfcc函数将语音流转换成一个特征矩阵。利用dtw函数，可以计算刚录制的语音和已经生成好的一组语音的分数（当然是按照1-9的顺序排列的），取分数最小的即是识别的数字。

实现语音识别至少有3种实现方法，一种是（比如用Python）直接调用现成的网络API（谷歌的语音识别据说连川普都可以搞定）来实现语音的文本转换，获取语音对应的数字；第二种是dtw结合mfcc的方法，当前的Matlab程序就用的是