Programa voz

PROGRAMA DE RECONOCIMIENTO DE VOZ.
INTERFAZ GRÁFICA DE USUARIO (GUI).
El ambiente de desarrollo de interfaz gráfica de usuario (GUIDE, por sus siglas en inglés
Graphical User Interfase Development Environment) es una serie de herramientas que
se extienden por completo en el software de MATLAB, diseñadas para crear
interfaces graficas de usuario (GUI´s, por sus siglas en inglés Graphical User Interfaces)
de manera fácil, pues no existe la necesidad de que el programador tenga que
agregar código para el desarrollo de la misma, debido a que MATLAB
automáticamente realiza esta acción, y rápida, ya que presta ayuda en el diseño y
presentación de los elementos de la interfaz, reduciendo la labor al grado de
seleccionar, tirar, arrastrar y personalizar propiedades. Los elementos que se usan son:
botones (push buttons), ejes (axes), texto estático (static text), panel (panel) texto
editable (edit text), que serán explicados más adelante. Una vez que los elementos están
en posición se editan las funciones de llamada “callback” de cada uno de ellos,
escribiendo el código de MATLAB que se ejecutará cuando el elemento sea utilizado.
Cabe destacar que el orden del programa con el que trabaja la GUI, está determinado por
el usuario, pues no existe un flujo establecido como en el caso de un programa
común de MATLAB, dándole al usuario la opción de elegir qué elementos y en qué
momento usarlos, sin ser esto motivo para que la GUI termine su funcionamiento, a
menos de que el usuario así lo desee. El desarrollo de la GUI se realiza en dos etapas:
 Diseño de los componentes (botones, textos, paneles y ejes) que la
formarán.
 Programación de cada uno de los componentes ante la interacción del
usuario.
A la herramienta GUIDE se accede de varias maneras, la primera de ellas es
tecleando “guide” en la ventana de comando.

El programa tiene una interfaz grafica, muy fácil de utilizar. Con una base de datos de
prueba de 4 nombres, esta base de datos puede ser aumentada en cualquier cantidad.
Los nombres en la base de datos son:
- Geno
- Flavio
- Rosa
- Andres
El entorno gráfico es como se muestra (véase figura 13).
Figura 13. Interfaz gráfica
Consta de 3 cuadros de selección, dos cuadros de mensaje y un plano donde serán
graficadas las señales de voz en tiempo continuo y el espectro de frecuencias de la señal
discreta ya procesada.
Grabación
En este cuadro nos aparece la opción de grabar la palabra para ingresarla al
reconocedor de voz, cuando la palabra es grabada aparece un cuadro de mensaje
indicando que la grabación ha sido terminada. Por otra parte en el plano aparece

una gráfica en el tiempo (eje X) y en amplitud (eje Y), de la señal de voz grabada por
el usuario (véase figura 14).
Figura 14. Entorno gráfico modo de grabación
Salir.
Este botón nos permite salir completamente del Sistema de Reconocimiento de Voz.
Reconocimiento
El cuadro de reconocimiento brinda los resultados del sistema, con un cuadro de
mensaje indicando cual palabra ha sido reconocida y la palabra grabada es
reproducida. Además, nos da una representación gráfica en el plano con la
información del espectro de frecuencias de la señal del usuario reconocido (véase
figura 14).

Figura 15. Entorno gráfico modo de reconocimiento
CODIGO DE MATLAB
% BASE DE DATOS
clc
Fs=11025;
y0=wavrecord(1*Fs,Fs,1)';
soundsc(y0);
word0=['geno'];
y0=chop_silencio(y0);
z0=enfasis(y0);
seg0=segmentos(z0);
c0=cepstrum(seg0);
f0=features(c0);
save geno.mat word0 f0 y0;
soundsc(y1);
word1=['rosa'];
z1=enfasis(y1);
seg1=segmentos(z1);
c1=cepstrum(seg1);
f1=features(c1);
save rosa.mat word1 f1 y1;

soundsc(y2);
word2=['flavio'];
z2=enfasis(y2);
seg2=segmentos(z2);
c2=cepstrum(seg2);
f2=features(c2);
save flavio.mat word2 f2 y2;
soundsc(y3);
word3=['andres'];
z3=enfasis(y3);
seg3=segmentos(z3);
c3=cepstrum(seg3);
f3=features(c3);
save andres.mat word3 f3 y3;
% FUNCIÓN ELIMINACIÓN DEL RUIDO
%chop_silencio
%Corta el silencio en la señal completa
%y=chop_silencio(s)
function y = chop_silencio(s)
len = length(s); % length del vector
avg_e = sum(s.*s)/len; %promedio señal entera
THRES = 0.2;
y = [0];
for i = 1:80:len-80 % cada 10ms
seg = s(i:i+79); % segmentos
e = sum(seg.*seg)/80; % promedio de cada segmento
if( e> THRES*avg_e) % si el promedio energetico es mayor que la señal
%completa por el valor umbral
y=[y,seg(1:end)]; % almacena en y sino es eliminado como espacio en
blanco
end;
end;

% FUNCIÓN FILTRO DE PRE-ÉNFASIS
%enfasis
%filtro de enfasis para la señal
%enfasis(s)
function [y]=enfasis(x)
b=[1 -0.95];
y=filter(b,1,x);
% FUNCIÓN SEGMENTACIÓN
%segmentos
%segmenta la señal en tramas de 30ms
%[segs]=segmentos(y)
function [segs]=segmentos(y)
len = length(y); %longitud del vector
num_segments = floor(len/80) -2; % redondeamos el numero de
segmentos
segs = zeros(num_segments,240); % matriz de segmentos
num_segments x 240
win = hamming(240)'; % ventana hamming de 240 puntos(30ms)
win=coeficients (numero de muestras en el analisis )
for i = 0:num_segments-1
inicio = i*80+1;
segs(i+1,1:240) = (y(inicio:inicio+239).*win); %multiplicamos por la
ventana %hamming
end;
% FUNCIÓN CEPSTRUM
% (EXTRACCIÓN DE LOS COEFICIENTES CEPSTRALES)
%cepstrum
%Encuentra los coeficientes cepstrales de cada segmento
%[cc]=cepstrum(seg)
function [c] = cepstrum(segs)
%programa para encontral los coeficientes cepstrales de cada segmento
[M,N] = size(segs); % M filas, N columas, para definir Mo=output frame
size(# de %frecuencias a las que se aplica FFT)
[c] = zeros(M,10); % inicialiando el vector para guardar los coeficientes cepstrales. P=10

%calculando los coeficientes cepstrales reales
for i=1:M
% f = fft(segs(i,:));
% m = abs(f);
% l = log(m+1e-5);
% in = real(ifft(l));
% c(i,:)= in(1:10); o resumidamente
r = rceps(segs(i,:));
c(i,:)= r(1:10);
end
% normalizacion de los coeficientes cepstrales
sum_c = sum(c);
avg_c = sum_c/M;
%sustrayendole el minimo, solo las que estanarriba del promedio los
%fonemas
for i=1:M
c(i,:)= c(i,:)-avg_c; % smoothened spectrum
end
% FUNCIÓN FEATURES ( DE CARACTERISTICAS)
%features
%Encuentra los coeficientes polinomiales de la expansion correspondientes al los
coeficientes cepstrum
%[ftr]=features(c)
function ftr=features(c)
[M,N] = size(c);
ftr = zeros(M-8,20);
j = (1:9); %col vector
p1 = repmat((j-5)',1,10); %crea una matriz llena de P1j=j-5
sum_p1 = sum((j-5).*(j-5)); % suma total
for i = 1:M-8
%caracteristicas de orden cero (coeficientes cepstrales)
ftr(i,1:10)=c(i,1:10);
%caracteristicas de primer orden

b = zeros(1,10);
for j = 0:8 % aqui se sacan los coeficientes polinomiales para cada
segmento
b = b+ p1(j+1,:).*c(i+j,:); % numerador de la ecuacion
end;
ftr(i,11:20)=b/sum_p1; % dividiendolo en el denominador
end; %se obtienen los valores de b
% FUNCIÓN DE DISTANCIA
%distancia
%
%[dist]=distancia(ftr_a,ftr_b)
function tot_dist = spv_dis(ftr_a,ftr_b)
[m_a,n_a]=size(ftr_a);
[m_b,n_b]=size(ftr_b);
%establece the guide and slave
if(m_a < m_b )
guide = ftr_a;
slave = ftr_b;
m = m_b;
n = m_a;
else
guide = ftr_b;
slave = ftr_a;
m = m_a;
n = m_b;
end;
%computa la matriz de distancia
dist = zeros(m,n);
for i = 1:m
for j = 1:n
dist(i,j) = sqrt(sum(((guide(j,:)-slave(i,:)).*(guide(j,:)-slave(i,:))).^2));
end;
end;
% INICIALIZACION
function varargout = recvoc(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @recvoc_OpeningFcn, ...

'gui_OutputFcn', @recvoc_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
%+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
% PROGRAMA PRINCIPAL
function recvoc_OpeningFcn(hObject, eventdata, handles, varargin)
load geno.mat;
load rosa.mat;
load flavio.mat;
load andres.mat;
load 'handel';
wavwrite(y,'handel');
rec=reconociendovoz(y0);
handles.voz_grabada=y;
handles.feature_datos=rec
handles.feature_f0=f0;
handles.feature_y0=y0;
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% --- Outputs from this function are returned to the command line.
function varargout = recvoc_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved- to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in Grabar.
function Grabar_Callback(hObject, eventdata, handles)
% hObject handle to Grabar (see GCBO)
% obtener la palabra del micrófono
Fs = 11025; % Sampling Frequency (Hz)
n = 20;
Nseconds = 2; % largo de la señal de voz
y = wavrecord(Nseconds*Fs, Fs, 1)';
rec1=reconociendovoz(y);
handles.voz_grabada = y;
handles.feature_datos=rec1
plot(y);
msgbox('Grabacion terminada');
guidata(hObject, handles);
%load rec.mat;
%handles.feature_voz=f;
% --- Executes on button press in identificar.
function identificar_Callback(hObject, eventdata, handles)
% hObject handle to identificar (see GCBO)
rec1=handles.feature_datos;
y0=handles.feature_y0;
f0=handles.feature_f0;

d1=distancia(f0,rec1)
if (d1 < d2) & (d1 < d3) & (d1 < d4)
plot(abs(fft(y0)));
soundsc(y0);
msgbox('Usted dijo: Geno');
else if (d2 < d1) & (d2 < d3)& (d2 < d4)
plot(abs(fft(y1)));
soundsc(y1);
msgbox('Identificado: Rosa')
else if (d3 < d1) & (d3 < d2) & (d3 < d4)
plot(abs(fft(y2)));
soundsc(y2);
msgbox('Identificado: Flavio');
else if (d4 < d1) & (d4 < d2) & (d4 < d3)
plot(abs(fft(y3)));
soundsc(y3);
msgbox('Identificado: Andres');
end
end
end
end
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton3 (see GCBO)
exit;
% FUNCIÓN RECONOCIENDOVOZ
function rec=reconociendovoz(y)
% load data
y=chop_silencio(y);
z=enfasis(y);
seg=segmentos(z);
c=cepstrum(seg);
f=features(c);
rec=f;
save('rec.mat','f','y');

Programa voz

Más contenido relacionado

La actualidad más candente (20)

Similar a Programa voz (20)

Último (20)

Programa voz