负载SpeakerificationExampleData.matubmafe标准因子

报名=错误的；如果脐带=5.；身份证=“自我”；helperAddUser（afe.SampleRate、numToRecord、ID）；终止

ads=音频数据存储（pwd）；

[~，fileName]=cellfun（@（x）fileparts（x），ads.Files，“UniformOutput”、假);文件名=分裂(文件名,'_')；speaker=strcat（文件名（：，1））；ads.Labels=categorical（speaker）；

如果注册标签=ID；其他的注册标签=“BHm”；终止forEnrollment=ads.Labels==注册标签；forEnrollment（find（forEnrollment==1,1））=false；adsEnroll=子集（ads，Forenroll）；adsTest=子集（ads，~forEnrollment）；

speakerGMM=帮助人登记（ubm、afe、normFactors、ADSENTROL）；

阈值=0.7; 重置（adsTest）虽然hasdata（adsTest）fprintf('要确认的标识：%s\n'，enrollLabel）[音频数据，adsInfo]=读取（adsTest）；fprintf(“|说话人身份：%s\n”，string（adsInfo.Label））verificationStatus=helperVerify（音频数据、afe、normFactors、speakerGMM、ubm、阈值）；如果验证状态fprintf(“|已确认。\n”）;其他的fprintf(“|骗子\不）;终止终止

网址='https://storage.googleapis.com/download.tensorflow.org/data/speech_commands_v0.01.tar.gz'；downloadFolder=tempdir；datasetFolder=fullfile（downloadFolder，“google_speech”）;如果~exist（datasetFolder，“dir”)disp('下载谷歌语音命令数据集（1.9 GB）…'解压(url, datasetFolder)终止

ads=音频数据存储（数据集文件夹，“包含子文件夹”符合事实的“标签源”,“folderNames”）;

ads=子集（ads，ads.Labels==分类(“停下来”））;

[~，fileName]=cellfun（@（x）fileparts（x），ads.Files，“UniformOutput”、假);文件名=分裂(文件名,'_'）;演讲者= strcat (“a”，文件名（：，1））；广告标签=分类（说话人）；

numSpeakersToEnroll=10；labelCount = countEachLabel(广告);forEnrollAndTestSet = labelCount {: 1} (labelCount {: 2} > = 3);forEnroll = forEnrollAndTestSet (randi([1,元素个数(forEnrollAndTestSet)], numSpeakersToEnroll, 1));tf = ismember (ads.Labels forEnroll);adsEnrollAndValidate =子集(广告、tf);adsEnroll = splitEachLabel (adsEnrollAndValidate 2);adsTest =子集(广告,ismember (ads.Labels forEnrollAndTestSet));adsTest =子集(adsTest ~ ismember (adsTest.Files adsEnroll.Files));forUBMTraining = ~(ismember(ads.Files,adsTest.Files) | ismember(ads.Files, adsenrollerfiles)); adsTrainUBM = subset(ads,forUBMTraining);

[audioData，audioInfo]=读取（adsTrainUBM）；fs=audioInfo.SampleRate；声音（audioData，fs）重置（adsTrainUBM）

窗口持续时间=0.04；hopDuration=0.01；windowSamples=圆形（windowDuration*fs）；hopSamples=圆形（hopDuration*fs）；重叠样本=窗口样本-hopSamples；afe=音频特征提取程序(...“SampleRate”，财政司司长，...“窗口”，hann（窗口样本，“周期性”),...“重叠长度”overlapSamples,......“mfcc”，对）；

audioData=audioData./max（abs（audioData））；

detectSpeech（音频数据，fs）；

idx = detectSpeech (audioData, fs);audioData = audioData (idx (1,1): idx(1、2);

特征=提取（afe，音频数据）；[numHops，numFeatures]=大小（特征）

特征=（特征'-normFactors.Mean./normFactors.variation；

特征=特征-平均值（特征，“全部”）;

featuresAll = {};如果~z~我是空的(“平行”) numPar = 18;其他的numPar=1；终止

帕弗ii=1:numPar adsPart=partition（ads，numPar，ii）；featuresPart=单元格（0，numel（adsPart.Files））；对于iii=1:numel（adsPart.Files）audioData=read（adsPart）；featuresPart{iii}=helperFeatureExtraction（audioData，afe，[]）；终止featuresAll=[featuresAll，featuresPart]；终止

allFeatures=cat（2，featuresAll{：}）；

标准因子。平均值=平均值（所有特征，2，“奥米南”)；normalfactors.STD=STD（所有特征，[]，2，“奥米南”）;

numComponents=32; α=一（1，numComponents）/numComponents；

mu=randn（numFeatures，numComponents）；sigma=rand（numFeatures，numComponents）；ubm=struct(“成分比例”阿尔法“穆”，穆，“西格玛”，西格玛）；

maxIter=20；targetLog似然=0；tol=0.5；pastL=-inf；%前一个对数似然的初始化

抽搐对于iter=1:maxIter%期望值N=零（1，numComponents）；F=零（numFeatures、numComponents）；S=零（numFeatures、numComponents）；L=0；帕弗ii = 1:numPar adsPart = partition(adsTrainUBM,numPar,ii);虽然hasdata(adsPart) audioData = read(adsPart);%提取特征特征=辅助特征提取（音频数据、afe、标准因子）；%计算后验对数似然对数似然=helpergmmlog似然（特征，ubm）；%计算后验归一化概率logLikelihoodSum=helperLogSumExp（loglikelike）；gamma=exp（对数似然-对数似然和）'；%计算Baum-Welch统计量n=总和（伽马，1）；f=特征*伽马；s=（特征。*特征）*伽马；%更新足够的话语统计数据N=N+N；F=F+F；S=S+S；%更新日志可能性L=L+总和（对数似然总和）；终止终止%打印当前日志可能性，如果符合条件则停止。L=L/numel（adsTrainUBM.Files）；fprintf('\滴定%d，对数似然= %0.3f\n'，国际热核实验堆，L）如果L>目标似然度| | abs（pastL-L）打破其他的pastL=L；终止%最大化N = max (N, eps);于是。ComponentProportion = max (N / (N),每股收益);于是。ComponentProportion = ubm.ComponentProportion /笔(ubm.ComponentProportion);于是。亩= bsxfun(@rdivide,F,N); ubm.sigma = max(bsxfun(@rdivide,S,N) - ubm.mu.^2,eps);终止

fprintf('UBM培训在%0.2f秒内完成。\n'，toc）

relevanceFactor=16；speakers=unique（adsEnroll.Labels）；numSpeakers=numel（speakers）；gmmCellArray=cell（numSpeakers，1）；tic帕弗ii=1：numSpeakers%将数据存储子集设置为您正在调整的演讲者。adsTrainSubset=子集（adsnroll，adsnroll.Labels==说话人（ii））；N=零（1，numComponents）；F=零（numFeatures、numComponents）；S=零（numFeatures、numComponents）；虽然hasdata(adsTrainSubset) audioData = read(adsTrainSubset);特点= helperFeatureExtraction (audioData afe normFactors);[n、f、s、l] = helperExpectation(特性,于是);N=N+N；F=F+F；S=S+S；终止%确定最大似然gmm=helperMaximization（N，F，S）；确定适应系数α=N./（N+相关因子）；%调整手段gmm.mu=alpha.*gmm.mu+（1-alpha）。*ubm.mu；%调整方差gmm.sigma=alpha.*（S/N）+（1-alpha）。*（ubm.sigma+ubm.mu.^2）-gmm.mu.^2；gmm.sigma=最大值（gmm.sigma，每股收益）；%调整重量gmm.componentproporty=alpha.*（N/和（N））+（1-α）。*ubm.componentproporty；gmm.componentproperty=gmm.componentproperty./sum（gmm.componentproperty）；gmmCellArray{ii}=gmm；终止fprintf('注册在%0.2f秒内完成。\n'，toc）

对于i=1:numel（gmmCellArray）enrolledGMMs.（string（speakers（i））=gmmCellArray{i}；终止

演讲者=独特(adsEnroll.Labels);numSpeakers =元素个数(扬声器);llr =细胞(numSpeakers, 1);抽搐帕弗speakerIdx=1:numSpeakers localGMM=enrolledGMMs.（字符串（speakerIdx））；adsTestSubset=subset（adsTest，adsTest.Labels==扬声器（speakerIdx））；llrPerSpeaker=0（numel（adsTestSubset.Files），1）；对于fileIdx=1:numel（adsTestSubset.Files）audioData=read（adsTestSubset）；[x，numFrames]=helperFeatureExtraction（audioData，afe，normFactors）；loglikelization=helpergmmloglization（x，localGMM）；Lspeaker=helperLogSumExp（loglization）；loglikelization=helpergmmloglization（x，ubm）；Lubm=helperloglikelization；llrPerSpeaker（fileIdx）=平均值（中位数（Lspeaker-Lubm，3））；终止llr{speakerIdx}=llrPerSpeaker；终止fprintf('以%0.2f秒计算的错误拒绝率。\n'，toc）

llr=cat（1，llr{：}）；阈值=-0.5:0.01:2.5；FRR=平均值（llr<阈值）；绘图（阈值，FRR*100）标题(“错误拒绝率（FRR）”)xlabel(“门槛”)伊拉贝尔(“错误地拒绝(%)”网格)在…上

speakersTest=unique（adsTest.Labels）；llr=单元（numSpeakers，1）；抽搐帕弗speakerIdx=1:numel（speakers）localGMM=enrolledGMMs.（字符串（speakers（speakerIdx））；adsTestSubset=subset（adsTest，adsTest.Labels~=speakers（speakerIdx））；llrPerSpeaker=0（numel（adsTestSubset.Files），1）；对于fileIdx=1:numel（adsTestSubset.Files）audioData=read（adsTestSubset）；[x，numFrames]=helperFeatureExtraction（audioData，afe，normFactors）；loglikelization=helpergmmloglization（x，localGMM）；Lspeaker=helperLogSumExp（loglization）；loglikelization=helpergmmloglization（x，ubm）；Lubm=helperloglikelization；llrPerSpeaker（fileIdx）=平均值（中位数（Lspeaker-Lubm，3））；终止llr{speakerIdx}=llrPerSpeaker；终止fprintf('FAR计算时间为%0.2f秒。\n'，toc）

llr=cat（1，llr{：}）；FAR=mean（llr>thresholds）；plot（thresholds，FAR*100）标题(“错误接受率（FAR）”)xlabel(“门槛”)伊拉贝尔(“错误地拒绝(%)”网格)在…上

x1=FAR*100；y1=FRR*100；绘制（x1，y1）网格在…上xlabel(“错误接受率（%）”)伊拉贝尔(“错误拒绝率（%）”)头衔(“检测误差折衷（DET）曲线”)

[~，EERThresholdIdx] = min(abs(FAR - FRR));EERThreshold =阈值(EERThresholdIdx);无论何时=意味着([(EERThresholdIdx), FRR (EERThresholdIdx)]);情节(阈值,“k”,...阈值，FRR，“b”,...EERThreshold,无论何时,“罗”,“MarkerFaceColor”,“r”)头衔（斯普林特）('等错误率= %0.2f，阈值= %0.2f'，EER，EER）xlabel(“门槛”)伊拉贝尔(“错误率”)传说(“错误接受率（FAR）”,“错误拒绝率（FRR）”,“等错误率（EER）”网格)在…上

重新保存=错误的；如果重新保存保存('SpeakerificationExampleData.mat',“于是”,“afe”,“正常因素”)终止

作用helperAddUser（fs、numToRecord、ID）%创建音频设备读取器从音频设备读取设备阅读器=音频设备阅读器(“SampleRate”，fs）；%初始化变量numRecordings=1；audioIn=[]；%记录请求的号码虽然numRecordings<=numtorecords fprintf('说一次“停止”（记录%i的%i）…'，numRecordings，numtorecording）tic虽然toc<2 audioIn=[audioIn；deviceReader（）]；终止fprintf(“完成。\ n”)idx=检测语音（音频输入，fs）；如果isempty（idx）fprintf('未检测到语音。请再试一次。\n')其他的音频写入（sprintf）(“%s\u%i.flac”，ID，numRecordings），audioIn，fs）numRecordings=numRecordings+1；终止暂停（0.2）音频输入=[]；终止%释放设备释放（deviceReader）终止

作用speakerGMM=HelperRoll（ubm、afe、normFactors、adsEnroll）%初始化numComponents=numel（ubm.组件比例）；numFeatures=大小（单位：μ，1）；N=零（1，numComponents）；F=零（numFeatures、numComponents）；S=零（numFeatures、numComponents）；NumFrames=0；虽然hasdata（adsEnroll）%从注册数据存储中读取audioData =阅读(adsEnroll);% 1. 提取特征并应用特征规范化[features，numFrames]=helperFeatureExtraction（音频数据、afe、标准因子）；% 2. 计算后验概率。使用它来确定%足够的统计数据（计数、第一和第二时刻）[n，f，s]=帮助预期（特征，ubm）；%3.更新足够的统计数据N=N+N；F=F+F；S=S+S；NumFrames=NumFrames+NumFrames；终止%创建最大化期望值的高斯混合模型speakerGMM=helperMaximization（N，F，S）；%调整UBM以创建说话人模型。使用16的相关系数，%如[2]所提议的那样相关因子=16；确定适应系数α=N./（N+相关因子）；%调整手段speakergm.mu=alpha.*speakergm.mu+（1-alpha）。*ubm.mu；%调整方差speakergm.sigma=alpha.*（S/N）+（1-alpha.*（ubm.sigma+ubm.mu.^2）-speakerGMM.mu.^2；speakergm.sigma=max（speakergm.sigma，eps）；%调整重量speakergm.ComponentProportion=alpha.*（N/和（N））+（1-alpha）。*ubm.ComponentProportion；speakergm.ComponentProportion=speakergm.ComponentProportion./sum（speakergm.ComponentProportion）；终止

作用verificationStatus=helperVerify（音频数据、afe、normFactors、speakerGMM、ubm、阈值）%提取特征x = helperFeatureExtraction (audioData afe normFactors);%确定音频来自适应的GMM的日志可能性%演讲者post=helpergmmloglike（x，speakerGMM）；Lspeaker=helperLogSumExp（post）；%确定音频来自GMM的对数可能性适合所有人%演讲者帖子= helperGMMLogLikelihood (x,于是);Lubm = helperLogSumExp (post);%计算所有帧的比率。应用移动中值滤波器%删除异常值，然后取各帧的平均值llr=平均值（平均值（Lspeaker-Lubm，3））；如果llr>阈值验证状态=真；其他的验证状态=假；终止终止

作用[features，numFrames]=helperFeatureExtraction（音频数据、afe、标准因子）%正常化audioData=audioData/max（abs（audioData（：）））；%防患于未然音频数据（isnan（音频数据））=0；%分离语音片段%本例中使用的数据集每个audioData有一个单词（如果更多）%如果检测到一个以上的语音段，只需使用最长的%检测到。idx=检测语音（音频数据，afe.采样器）；如果大小（idx，1）>1[~，seg]=max（idx（：，2）-idx（：，1））；其他的seg=1；终止音频数据=音频数据（idx（seg，1）：idx（seg，2））；%特征提取特点=提取(afe audioData);%功能正常化如果~isempty(normFactors) features = (features-normFactors. mean ')./normFactors. std ';终止特点=功能”;倒谱平均减法%(用于信道噪声)如果~isempty（normalfactors）特征=特征-平均值（特征，“全部”）;终止numFrames=大小（特征，2）；终止

作用y=helperLogSumExp（x）%计算日志和指数，同时避免溢出a=max（x，[]，1）；y=a+sum（exp（bsxfun（@减号，x，a）），1）；终止

作用[N，F，S，L]=帮助预期（特征，gmm）post=帮助预期（特征，gmm）；%对帧上的可能性求和L=helperLogSumExp（post）；%计算足够的统计数据伽马=经验值（L后）'；N=总和（伽马，1）；F=特征*伽马；S=（特征。*特征）*伽马；L=总和（L）；终止

作用gmm=helperMaximization（N，F，S）N=max（N，eps）；gmm.成分比例=最大值（N/总和（N），每股收益）；gmm.mu=bsxfun（@rdivide，F，N）；gmm.sigma=max（bsxfun（@rdivide，S，N）-gmm.mu.^2，eps）；终止

作用L=helpergmmloglikelike（x，gmm）xminusum=repmat（x，1,1，numel（gmm.ComponentProportion））-permute（gmm.mu，[1,3,2]）；permuteSigma=permute（gmm.sigma，[1,3,2]）；Lunweighted=-0.5*（总和（log（permuteSigma），1）+总和（bsxfun（@times，xMinusMu，（bsxfun，[rdivide 1,3,2]），1）+大小（gmm.mu 1）*对数，[2*permu温度，[1,2]）));如果尺寸（温度，1）==1%如果只有一个帧，则后面的单例维度为%在排列中删除。这说明了边缘情况温度=温度'；终止L=bsxfun（@plus，temp，log（gmm.ComponentProportion））；终止