сопоставление звуковых шаблонов в Matlab

Есть несколько методов решения проблемы распознавания скороговорок, подобных тому, о котором вы говорите.

Вы можете использовать частотный анализ, такой как БПФ, с функцией Matlab
S = SPECTROGRAM(X,WINDOW,NOVERLAP)

В SPECTROGRAM нужно определить временное окно анализируемого сигнала в переменной WINDOW. Вы можете использовать прямоугольное окно (пример WINDOW = [1 1 1 1 1 1 1 ... 1]) с количеством значений, равным желаемой длине. Можно использовать множество окон: hanning, hamming, blackman. Вы должны использовать тот, который лучше подходит для вашей проблемы. NOVERLAP — это количество точек, на которые ваши окна перемещаются за один шаг.

Помимо этого подхода, вейвлет-преобразование также является хорошим методом для решения вашей проблемы. У Matlab также есть хороший набор инструментов для применения дискретных и непрерывных вейвлетов.

Вы можете попытаться решить проблему с помощью Deep Belief Networks.

Вот несколько статей, которые могут быть полезны:

• Извлечение аудиофрагментов с помощью ограниченных машин Больцмана
• Неконтролируемое функция обучения для классификации аудио

Подводя итог, вместо ручной настройки функций используйте RBM или Autoencoder для извлечения функций (баз), которые представляют наблюдаемые аудиосэмплы, а затем запускает алгоритм обучения.

Вам потребуется более 4 аудиосэмплов для обучения DBN, но стоит попробовать, поскольку в прошлом этот подход показывал многообещающие результаты.

это руководство также может оказаться полезным.

это может оказаться сложной проблемой. В качестве отправной точки я советую вам разделить каждую запись на кадры фиксированной длины, например, 20 мс с перекрытием 10 мс, затем извлечь fft из этих кадров и получить максимальную частоту энергии. значения для каждого кадра. В качестве последнего шага сравните частоты кадров друг с другом и определите результат, выбрав максимальную корреляцию.