帮我写一个matlab中通过gmm模型进行声闻识别的代码，包括训练和识别两个功能

声闻识别是音频处理中的一个重要问题，常用的方法之一就是通过高斯混合模型（GMM）进行识别。下面是一个简单的matlab代码，用于通过GMM模型进行声闻识别。

首先需要准备一些训练数据和测试数据，以及相应的标签信息。假设我们有一组包含10个声音片段的训练集，每个片段的采样率为8kHz，时长为1秒，以及相应的标签信息：

train_data = zeros(8000, 10);
train_labels = [1 1 1 1 1 2 2 2 2 2];
for i = 1:10
    file_name = sprintf('train%d.wav', i);
    [data, fs] = audioread(file_name);
    data = data(:, 1); % 取其中一个声道
    data = data(1:8000); % 取前8000个采样点
    train_data(:, i) = data;
end

接下来，我们可以使用matlab中的gmdistribution函数来训练一个GMM模型。假设我们使用5个高斯分量来拟合数据：

gmm = gmdistribution.fit(train_data', 5);

然后，我们可以使用gmm模型对测试集进行识别。假设我们有一组包含5个声音片段的测试集，每个片段的采样率为8kHz，时长为1秒：

test_data = zeros(8000, 5);
for i = 1:5
    file_name = sprintf('test%d.wav', i);
    [data, fs] = audioread(file_name);
    data = data(:, 1); % 取其中一个声道
    data = data(1:8000); % 取前8000个采样点
    test_data(:, i) = data;
end

我们可以使用gmm模型的pdf函数来计算每个测试样本属于每个高斯分量的概率密度值，然后取最大值来确定其所属类别：

test_labels = zeros(1, 5);
for i = 1:5
    p = pdf(gmm, test_data(:, i)');
    [max_p, label] = max(p);
    test_labels(i) = label;
end

最后，我们可以比较测试集的预测标签和真实标签，计算分类准确率：

accuracy = sum(test_labels == [1 1 2 2 2]) / 5;

完整代码如下：

% 准备训练数据和测试数据
train_data = zeros(8000, 10);
train_labels = [1 1 1 1 1 2 2 2 2 2];
for i = 1:10
    file_name = sprintf('train%d.wav', i);
    [data, fs] = audioread(file_name);
    data = data(:, 1); % 取其中一个声道
    data = data(1:8000); % 取前8000个采样点
    train_data(:, i) = data;
end

test_data = zeros(8000, 5);
for i = 1:5
    file_name = sprintf('test%d.wav', i);
    [data, fs] = audioread(file_name);
    data = data(:, 1); % 取其中一个声道
    data = data(1:8000); % 取前8000个采样点
    test_data(:, i) = data;
end

% 训练GMM模型
gmm = gmdistribution.fit(train_data', 5);

% 对测试集进行识别
test_labels = zeros(1, 5);
for i = 1:5
    p = pdf(gmm, test_data(:, i)');
    [max_p, label] = max(p);
    test_labels(i) = label;
end

% 计算分类准确率
accuracy = sum(test_labels == [1 1 2 2 2]) / 5;