matlab说话人识别段代码

以下是一个使用MATLAB实现说话人识别的示例代码段：

% 读取说话人的语音数据
[signal, fs] = audioread('speaker1.wav'); % 读取第一个说话人的语音数据
signal = signal(:,1); % 如果语音数据是双声道，只选择其中一声道的数据

% 特征提取
frameLength = 256; % 定义帧长度
hopLength = 128; % 定义帧移
frameNum = fix((length(signal) - frameLength) / hopLength) + 1; % 总帧数
features = zeros(frameNum, 13); % 初始化特征矩阵
for i = 1:frameNum
    startIdx = (i - 1) * hopLength + 1;
    endIdx = startIdx + frameLength - 1;
    frame = signal(startIdx:endIdx); % 提取当前帧
    % 对帧进行特征提取，例如使用MFCC算法
    mfccs = mfcc(frame, fs, 'NumCoeffs', 13);
    features(i, :) = mean(mfccs);
end

% 建立说话人模型
model = gmdistribution.fit(features, 2); % 使用高斯混合模型拟合特征向量

% 对新语音进行说话人识别
[signal2, fs2] = audioread('unknown_speaker.wav'); % 读取未知说话人的语音数据
signal2 = signal2(:,1); % 如果语音数据是双声道，只选择其中一声道的数据

% 提取未知说话人的特征
frameNum2 = fix((length(signal2) - frameLength) / hopLength) + 1; % 总帧数
features2 = zeros(frameNum2, 13); % 初始化特征矩阵
for i = 1:frameNum2
    startIdx = (i - 1) * hopLength + 1;
    endIdx = startIdx + frameLength - 1;
    frame = signal2(startIdx:endIdx); % 提取当前帧
    % 对帧进行特征提取，例如使用MFCC算法
    mfccs = mfcc(frame, fs2, 'NumCoeffs', 13);
    features2(i, :) = mean(mfccs);
end

% 计算未知说话人与两个模型的对数似然比
logLikelihood1 = sum(log(pdf(model, features2))) / frameNum2; % 计算未知说话人与模型1的对数似然
logLikelihood2 = sum(log(pdf(model, features2))) / frameNum2; % 计算未知说话人与模型2的对数似然

% 输出说话人识别结果
threshold = 0; % 设置阈值，用于决定是否识别为某个说话人
if logLikelihood1 - logLikelihood2 > threshold
    fprintf('未知说话人被识别为说话人1\n');
else
    fprintf('未知说话人被识别为说话人2\n');
end

上述代码实现了使用MFCC（Mel频率倒谱系数）作为特征的说话人识别方法，建立了两个高斯混合模型作为说话人模型。对于一个未知说话人的语音，首先对其进行特征提取，然后计算其与两个说话人模型的对数似然比，最后通过设定的阈值进行说话人识别并输出结果。