[audioIn，fs]=音频读取(“keywordTestSignal.wav”)；声音（音频输入，fs）

网址=“http://ssd.mathworks.com/万博1manbetxsupportfiles/audio/KeywordSpotting.zip”；downloadNetFolder = tempdir;netFolder = fullfile (downloadNetFolder,“关键词识别”）;如果~exist（netFolder，“dir”)disp(“下载预先训练的网络和音频文件(4个文件- 7 MB)……”解压缩(url, downloadNetFolder)终止负载(fullfile (netFolder“KWSNet.mat”));

WindowLength = 512;OverlapLength = 384;afe=音频特征提取程序(“SampleRate”，财政司司长，．..“窗口”损害(WindowLength“周期性”),．..“OverlapLength”OverlapLength,．..“mfcc”,真的,．..“mfccDelta”,真的,．..“mfccDeltaDelta”,真正的);

特征=提取（afe，audioIn）；特征=（特征-M）。/S；

掩码= (KWSNet、特点进行分类。');

mask = repmat(mask, WindowLength-OverlapLength, 1);Mask = double(Mask) - 1;掩码=面具(:);

figure audioIn = audioIn(1:长度(掩码));t =(0:长度(audioIn) 1) / fs;情节(t, audioIn)网格在持有在绘图（t、遮罩）图例(“演讲”,“是的”)

声音（音频输入（掩码==1），fs）

generateMATLABFunction (afe“generateKeywordFeatures”,“正在流”,真正的);

HopLength = WindowLength - OverlapLength;FrameLength = HopLength;adr = audioDeviceReader (“SampleRate”，财政司司长，．..“样品性能框架”，帧长）；

范围= timescope (“SampleRate”，财政司司长，．..“时间跨度源”,“财产”,．..“时间间隔”5,．..“TimeSpanOverrunAction”,“滚动”,．..“BufferLength”，fs*5*2，．..“ShowLegend”,真的,．..“ChannelNames”，{“演讲”,“关键词面具”},．..“YLimits”(-1.2 - 1.2),．..“标题”,“关键词发现”）;

NumHopsPerUpdate=16；

dataBuff=dsp.AsyncBuffer（窗口长度）；

featureBuff = dsp.AsyncBuffer (NumHopsPerUpdate);

plotBuff=dsp.AsyncBuffer（NumHopsPerUpdate*WindowLength）；

时限=20；抽搐虽然toc如果featureBuff。NumUnreadSamples == NumHopsPerUpdate featureMatrix = read(featureBuff);featureMatrix (~ isfinite (featureMatrix)) = 0;featureMatrix = (featureMatrix - M)./S;[keywordNet, v] = classifyAndUpdateState(KWSNet,featureMatrix.');V = double(V) - 1;v = repmat(v, HopLength, 1);v = (,);v =模式(v);v = repmat(v, NumHopsPerUpdate * HopLength,1); data = read(plotBuff); scope([data, v]);如果~ isVisible(范围)打破；终止终止终止隐藏（范围）

[audioIn，fs]=audioread（完整文件（netFolder，“关键字Speech-16-16-mono-34secs.flac”));

声音（音频输入，fs）

图t = (1/fs) * (0:length(audioIn)-1);情节(t, audioIn);网格在xlabel(‘时间’)头衔(“验证语音信号”)

负载(“KWSBaseline.mat”,“KWSBaseline”)

无花果=图;情节(t [audioIn KWSBaseline '])网格在xlabel(‘时间’)传说(“演讲”,“KWS基线”,“位置”,‘东南’)l=findall（图，“类型”,“行”）;l(1)。线宽= 2;标题(“验证信号”)

声音(audioIn (KWSBaseline)、fs)

网址='https://ssd.mathworks.com/万博1manbetxsupportfiles/audio/google_speech.zip'；downloadFolder=tempdir；datasetFolder=fullfile（downloadFolder，“谷歌演讲”）;如果~存在(datasetFolder“dir”)disp('下载谷歌语音命令数据集（1.5 GB）…')解压（url，数据集文件夹）终止

ads=音频数据存储（数据集文件夹，“LabelSource”,“foldername”,“Includesubfolders”,真正的);广告= shuffle(广告);

isBackNoise = ismember(广告。标签,“背景”）;广告(广告,~ isBackNoise) =子集;

countEachLabel（ads）

关键词=“是的”；isKeyword=ismember（ads.Labels，关键字）；ads_关键字=子集（ads，isKeyword）；ads_其他=子集（ads，~isKeyword）；

还原酶=错误的；如果reduceDataset%将数据集缩减到原来的20倍ads_keyword = splitEachLabel(ads_keyword,round(numel(ads_keyword. files) / 20)); / /将ads_keyword改为ads_keywordnumUniqueLabels =元素个数(独特(ads_other.Labels));ads_other = splitEachLabel(ads_other,round(numel(ads_other. files) / numUniqueLabels / 20)); / /分配标签终止

countEachLabel (ads_keyword)

countEachLabel（ads_其他）

ads_other=洗牌（ads_other）；

是=读取（ads_关键字）；是=是/最大值（abs（是））；

SpeechIndex=detectSpeech（是，fs）；

numWords=randi（[0 10]）；

关键字位置= randi([1 numWords+1]);

句子= [];掩码= [];对于索引=1:numWords+1如果index == keywordLocation句子=[句子;yes];% #好吧newMask=0（大小（yes））；newMask（speechindex（1,1）：speechindex（1,2））=1；mask=[mask；newMask]；% #好吧其他的其他=阅读(ads_other);else = Other ./ max(abs(Other));句子=(句子,其他);% #好吧掩码=[掩码；零（大小（其他））]；% #好吧终止终止

图t=（1/fs）*（0：长度（句子）-1）；图t=图；绘图（t[句子，掩码]）网格在xlabel(‘时间’)传说(“训练信号”,“面具”,“位置”,‘东南’)l=findall（图，“类型”,“行”）;l(1)。线宽= 2;标题(“话语”)

声音（句子，fs）

WindowLength = 512;OverlapLength = 384;

afe=音频特征提取程序(“SampleRate”，财政司司长，．..“窗口”损害(WindowLength“周期性”),．..“OverlapLength”OverlapLength,．..“mfcc”,真的,．..“mfccDelta”,真的,．..“mfccDeltaDelta”,真正的);

featureMatrix=摘录（afe，句子）；大小（featureMatrix）

HopLength=WindowLength-重叠长度；范围=HopLength*（1：大小（featureMatrix，1））+HopLength；featureMask=零（大小（范围））；对于索引=1:numel（范围）特征掩码（索引）=模式（掩码（（索引-1）*跃点长度+1:（索引-1）*跃点长度+窗长度））；终止

numPartitions = 6;

TrainingFeatures = {};TrainingMasks = {};

emptyCategories = categorical([1 0]);emptyCategories (:) = [];抽搐帕弗ii = 1:numPartitions subads_keyword = partition(ads_keyword,numPartitions,ii);subads_other =分区(ads_other、numPartitions ii);数= 1;localFeatures =细胞(长度(subads_keyword.Files), 1);localMasks =细胞(长度(subads_keyword.Files), 1);虽然hasdata (subads_keyword)%创造一个训练句子[句子，掩码]=帮助者合成内容（subads\u关键字，subads\u其他，fs，WindowLength）；%计算mfcc特性featureMatrix=摘录（afe，句子）；featureMatrix（~isfinite（featureMatrix））=0；%创建面具hopLength=WindowLength-重叠长度；范围=（hopLength）*（1:大小（featureMatrix，1））+hopLength；featureMask=零（大小（范围））；对于index = 1:numel(range) featureMask(index) = mode(mask((index-1)*hopLength+1:(index-1)*hopLength+WindowLength));终止localFeatures{count}=featureMatrix；localMasks{count}=[emptyCategories，范畴（featureMask）]；计数=计数+1；终止TrainingFeatures=[TrainingFeatures；localFeatures]；TrainingMasks=[TrainingMasks；localMasks]；终止fprintf(“训练特征提取花费了%f秒。\n”，toc）

sampleFeature=TrainingFeatures{1}；numFeatures=大小（sampleFeature，2）；featuresMatrix=cat（1，训练特征{：}）；如果减少数据集负载（完整文件（netFolder、，“keywordNetNoAugmentation.mat”),“keywordNetNoAugmentation”,“米”,'S'）;其他的M=平均值（特征矩阵）；S=标准值（特征矩阵）；终止对于index=1:length（TrainingFeatures）f=TrainingFeatures{index}；f=（f-M）。/S；TrainingFeatures{index}=f；% #好吧终止

featureMatrix=extract（afe，audioIn）；featureMatrix（~isfinite（featureMatrix））=0；

FeaturesValidationClean = (featureMatrix - M)./S;range = HopLength * (1:size(FeaturesValidationClean,1)) + HopLength;

featureMask = 0(大小(范围);对于索引=1:numel（范围）特性掩码（索引）=模式（KWSBaseline（（索引-1）*跃点长度+1:（索引-1）*跃点长度+窗长度））；终止BaselineV=分类（功能掩码）；

层=[．..sequenceInputLayer numFeatures bilstmLayer(150年“OutputMode”,“序列”)双层（150，“OutputMode”,“序列”)完整连接层（2）softmaxLayer分类层]；

maxEpochs=10；miniBatchSize=64；options=trainingOptions(“亚当”,．..“初始学习率”1的军医,．..“最大时代”maxEpochs,．..“最小批量大小”，小批量，．..“洗牌”,“每个时代”,．..“冗长”假的,．..“ValidationFrequency”、地板(元素个数(TrainingFeatures) / miniBatchSize),．..“验证数据”，{FeaturesValidationClean'，BaselineV}，．..“情节”,“训练进步”,．..“LearnRateSchedule”,“分段”,．..“LearnRateDropFactor”,0.1,．..“LearnRateDropPeriod”,5);

[keywordNetNoAugmentation, netInfo] = trainNetwork (TrainingFeatures、TrainingMasks层,选择);

如果减少数据集负载（完整文件（netFolder、，“keywordNetNoAugmentation.mat”),“keywordNetNoAugmentation”,“米”,'S'）;终止

v=分类（关键字网络增强、功能验证清除）；

图cm=混淆图（基线v、v、，“标题”,“验证准确性”)；cm.摘要=“column-normalized”；cm.概述=“row-normalized”；

v=double（v）-1；v=repmat（v，HopLength，1）；v=v（：）；

声音(audioIn(逻辑(v)), fs)

基线=双(BaselineV) - 1;基线= repmat(基线HopLength 1);基线=基线(:);T = (1/fs) * (0:length(v)-1);无花果=图;情节(t) [audioIn(1:长度(v)), v, 0.8 *基线])网格在xlabel(‘时间’)传说(“训练信号”,“网络掩码”,“基线掩码”,“位置”,‘东南’)l=findall（图，“类型”,“行”）;l(1)。线宽= 2;l(2)。线宽= 2;标题(“无噪语音的结果”)

[audioInNoisy，fs]=audioread（完整文件（netFolder，“NoisyKeywordSpeech-16-16-mono-34secs.flac”)); 声音（audioInNoisy，fs）

图t = (1/fs) * (0:length(audioInNoisy)-1);情节(t, audioInNoisy)网格在xlabel(‘时间’)头衔(“噪声验证语音信号”)

featureMatrixV = extract(afe, audioInNoisy);featureMatrixV (~ isfinite (featureMatrixV)) = 0;FeaturesValidationNoisy = (featureMatrixV - M)./S;

v =分类(keywordNetNoAugmentation FeaturesValidationNoisy。');

图cm=混淆图（基线v、v、，“标题”,“验证准确性-含噪语音”)；cm.摘要=“column-normalized”；cm.概述=“row-normalized”；

v=double（v）-1；v=repmat（v，HopLength，1）；v=v（：）；

声音(audioIn(逻辑(v)), fs)

t=（1/fs）*（0:length（v）-1）；fig=图形；绘图（t[audioInNoisy（1:length（v）），v，0.8*基线）网格在xlabel(‘时间’)传说(“训练信号”,“网络掩码”,“基线掩码”,“位置”,‘东南’)l=findall（图，“类型”,“行”）;l(1)。线宽= 2;l(2)。线宽= 2;标题(“含噪语音的结果-无数据增强”)

ada = audioDataAugmenter (“时间树概率”,0,．..“PitchShiftProbability”,0,．..“VolumeControlProbability”,0,．..“TimeShiftProbability”,0,．..“SNRRange”[1],．..“AddNoiseProbability”,0.85);

Reset (ads_keyword) x = read(ads_keyword);data =增加(ada, x, fs)

data.AugmentationInfo

重置(ads_keyword)重置(ads_other)

TrainingFeatures={}；TrainingMasks={}；

抽搐帕弗ii = 1:numPartitions subads_keyword = partition(ads_keyword,numPartitions,ii);subads_other =分区(ads_other、numPartitions ii);数= 1;localFeatures =细胞(长度(subads_keyword.Files), 1);localMasks =细胞(长度(subads_keyword.Files), 1);虽然hasdata（subads_关键字）[句子，掩码]=助手合成内容（subads_关键字，subads_其他，fs，WindowLength）；%噪音污染增强数据=增强（ada，句子，fs）；句子=增强数据.音频{1}；%计算mfcc特性featureMatrix=extract（afe，句子）；featureMatrix（~isfinite（featureMatrix））=0；hopLength=WindowLength-OverlapLength；range=hopLength*（1:size（featureMatrix，1））+hopLength；featureMask=Zero（size（range））；对于index = 1:numel(range) featureMask(index) = mode(mask((index-1)*hopLength+1:(index-1)*hopLength+WindowLength));终止localFeatures{count}=featureMatrix；localMasks{count}=[emptyCategories，范畴（featureMask）]；计数=计数+1；终止TrainingFeatures=[TrainingFeatures；localFeatures]；TrainingMasks=[TrainingMasks；localMasks]；终止fprintf(“训练特征提取花费了%f秒。\n”，toc）

sampleFeature=TrainingFeatures{1}；numFeatures=大小（sampleFeature，2）；featuresMatrix=cat（1，训练特征{：}）；如果减少数据集负载（完整文件（netFolder、，“KWSNet.mat”),“KWSNet”,“米”,'S'）;其他的M=平均值（特征矩阵）；S=标准值（特征矩阵）；终止对于index=1:length（TrainingFeatures）f=TrainingFeatures{index}；f=（f-M）。/S；TrainingFeatures{index}=f；% #好吧终止

FeaturesValidationNoisy = (featureMatrixV - M)./S;

选择= trainingOptions (“亚当”,．..“初始学习率”1的军医,．..“最大时代”maxEpochs,．..“最小批量大小”，小批量，．..“洗牌”,“每个时代”,．..“冗长”假的,．..“ValidationFrequency”、地板(元素个数(TrainingFeatures) / miniBatchSize),．..“验证数据”, BaselineV} {FeaturesValidationNoisy。”．..“情节”,“训练进步”,．..“LearnRateSchedule”,“分段”,．..“LearnRateDropFactor”,0.1,．..“LearnRateDropPeriod”,5);

[KWSNet，netInfo]=列车网络（列车功能、列车屏蔽、图层、选项）；

如果减少数据集负载（完整文件（netFolder、，“KWSNet.mat”));终止

v=分类（KWSNet，特征验证噪声）；

图cm=混淆图（基线v、v、，“标题”,“数据增强的验证准确性”)；cm.摘要=“column-normalized”；cm.概述=“row-normalized”；

v=double（v）-1；v=repmat（v，HopLength，1）；v=v（：）；声音（audioIn（logical（v）），fs）

图=图；图（t，[audioInNoisy（1：长度（v）），v，0.8*基线）网格在xlabel(‘时间’)传说(“训练信号”,“网络掩码”,“基线掩码”,“位置”,‘东南’)l=findall（图，“类型”,“行”）;l(1)。线宽= 2;l(2)。线宽= 2;标题(“含噪语音的结果-数据增强”)

函数(句子,面具)= HelperSynthesizeSentence (ads_keyword ads_other, fs,最小长度)%读一个关键词关键字=读取（ads_关键字）；关键字=关键字。/max（abs（关键字））；%确定感兴趣的区域SpeechIndex=detectSpeech（关键字，fs）；如果isempty(speech hindices) || diff(speech hindices (1，:)) <= minlength speech hindices = [1,length(keyword)];终止关键词=关键词（演讲指数（1,1）：演讲指数（1,2））；%选择其他单词的随机数（介于0和10之间）numWords=randi（[0 10]）；%选择插入关键字的位置loc=randi（[1个单词+1]）；句子=[]；掩码=[]；对于索引=1:numWords+1如果索引==loc句子=[句子;关键字];newMask = 1(大小(关键字));mask = [mask;newMask];其他的其他=读取（ads_other）；其他=其他。/max（abs（other））；句子=[句子；其他]；掩码=[掩码；零（大小（其他））]；终止终止终止