用matlab写一个说话人识别的代码

好的，针对你的问题，我可以提供一个基于GMM-UBM的说话人识别的Matlab代码示例。请注意，这只是一个简单的示例，如果你需要更高的识别准确率，你需要对模型进行更多的优化和调整。

首先，我们需要准备一些训练数据和测试数据。这里我使用了TIMIT数据集，你可以在网上找到并下载。

接下来，我们需要提取MFCC特征，并使用GMM-UBM模型来训练说话人识别器。以下是一个简单的Matlab代码示例：

% 导入TIMIT数据集
addpath('timit');

% 提取MFCC特征
numcep = 13;
deltawindow = 2;
accwindow = 2;
[features, labels] = extract_mfcc('train', numcep, deltawindow, accwindow);

% 训练GMM-UBM模型
nummix = 32;
ubm = gmm_em(features, nummix);

% 训练说话人识别器
niter = 10;
nspkr = length(unique(labels));
gmm = cell(nspkr, 1);
for i = 1:nspkr
    spkridx = (labels == i);
    gmm{i} = gmm_em(features(spkridx, :), nummix, ubm, niter);
end

% 测试说话人识别器
[features, labels] = extract_mfcc('test', numcep, deltawindow, accwindow);
nframe = size(features, 1);
scores = zeros(nframe, nspkr);
for i = 1:nspkr
    scores(:, i) = gmm_likelihood(features, gmm{i});
end
[~, predict] = max(scores, [], 2);

% 计算识别准确率
acc = sum(predict == labels) / length(labels);
fprintf('识别准确率: %.2f%%\n', acc*100);

在上面的代码中，`extract_mfcc` 函数用于提取MFCC特征，`gmm_em` 函数用于训练GMM-UBM模型和说话人GMM模型，`gmm_likelihood` 函数用于计算得分，`nummix` 表示GMM模型中混合高斯分布的数量，`niter` 表示EM算法的迭代次数。

希望这个简单的示例能帮助你开始编写一个说话人识别的Matlab代码。如果你需要更多的帮助，请随时在评论中提问。