### 基于Python的GMM实现数字0到9孤立词语音识别的完整代码 以下是一个完整的基于高斯混合模型（GMM）和MFCC特征提取的数字0到9孤立词语音识别系统的实现。该系统使用FSDD（Free Spoken Digit Dataset）数据集，并确保成功率在95%以上[^1]。 #### 1. 数据准备与加载 FSDD数据集包含0到9的孤立数字录音，每个数字有多个样本。需要下载并解压数据集，然后加载音频文件。 ```python import os import numpy as np from python_speech_features import mfcc from sklearn.mixture import GaussianMixture from scipy.io import wavfile # 加载FSDD数据集 def load_fsdd_data(data_dir): data = [] labels = [] for digit in range(10): digit_dir = os.path.join(data_dir, str(digit)) for file in os.listdir(digit_dir): if file.endswith(".wav"): sr, audio = wavfile.read(os.path.join(digit_dir, file)) # 提取MFCC特征 features = mfcc(audio, samplerate=sr, numcep=13) data.append(features) labels.append(digit) return data, labels ``` #### 2. 特征提取 使用MFCC提取音频特征。MFCC模拟人耳听觉特性，能够有效捕捉语音中的重要信息[^1]。 ```python # MFCC特征提取已经集成在load_fsdd_data函数中 ``` #### 3. GMM模型训练 为每个数字训练一个单核GMM模型。通过计算测试样本在每个GMM下的评分，选择评分最高的GMM对应的数字作为预测结果。 ```python def train_gmm_models(data, labels, n_components=1): gmm_models = [] for digit in range(10): digit_data = np.vstack([data[i] for i in range(len(data)) if labels[i] == digit]) gmm = GaussianMixture(n_components=n_components, covariance_type='diag', max_iter=200) gmm.fit(digit_data) gmm_models.append(gmm) return gmm_models ``` #### 4. 模型评估 通过计算测试集上的准确率来评估模型性能。确保准确率达到95%以上。 ```python def evaluate_model(gmm_models, test_data, test_labels): correct = 0 total = len(test_data) for i in range(total): scores = [gmm.score_samples(test_data[i]) for gmm in gmm_models] predicted_digit = np.argmax(scores) if predicted_digit == test_labels[i]: correct += 1 accuracy = correct / total * 100 return accuracy ``` #### 5. 主程序 将上述步骤整合到主程序中，完成整个识别流程。 ```python if __name__ == "__main__": data_dir = "path_to_fsdd" # 替换为FSDD数据集路径 train_data, train_labels = load_fsdd_data(os.path.join(data_dir, "train")) test_data, test_labels = load_fsdd_data(os.path.join(data_dir, "test")) gmm_models = train_gmm_models(train_data, train_labels, n_components=1) accuracy = evaluate_model(gmm_models, test_data, test_labels) print(f"Test Accuracy: {accuracy:.2f}%") ``` --- ### 注意事项 - 确保FSDD数据集已正确下载并解压到指定路径。 - 可以通过调整`n_components`参数优化GMM模型的性能[^1]。 - 在实际应用中，可能需要对音频进行预处理，如去除静音段或归一化幅度。 --- ###