C#基于NAudio的声音识别（二）——MFCC+SVM/BP

书接上文，切割后的文件转换特征为MFCC（细节不表了，网搜的代码）。声音的特征和识别最好的组合绝对不是MFCC+SVM（后面我会讲为什么），我只是怎么怎么方便怎么来，看到这的准备做声音识别的同学请果断变道。

有了特征值就可以作为训练素材了，Emgucv版本更新快，不同版本的分类器参数设置方式不一样，这可以参见我以前的类似博客。

以下将走过的坑分享一下：

1.不定长声音的MFCC也不定长（废话），解决不定长，我用了人工指定的方式，即指定MFCC特征的个数，多的丢，少的补零。仅个人实践表明，特征越多分类效果越好，所以，多补零吧。

 string[] MFCCa = MFCCs.Split(',');
                for (int j = 0; j < chanum; j++)
                {
                    if (j > MFCCa.Length - 2)//存的时候多了个“，”，所以回退一位
                    {
                        trainDate[i, j] = 0;
                    }
                    else
                    {
                        trainDate[i, j] = Convert.ToSingle(MFCCa[j]);
                    }

                    trainLab[i, 0] = 1;
                }

2.Emgucv3.×以上的训练结果文件（.XML）的读存请自行修改下，直接save和load似乎不行。半公开的秘密，代码如下：

        private static void saveSVMtoFile(SVM model,String path)
        {
            if (File.Exists(path))
                File.Delete(path);

            FileStorage fs = new FileStorage(path, FileStorage.Mode.Write);
            model.Write(fs);
            fs.ReleaseAndGetString();
        }

        private static SVM loadSVMtoFile(String path)
        {
            SVM svm = new SVM();
            FileStorage fs = new FileStorage(path, FileStorage.Mode.Read);
            svm.Read(fs.GetRoot());
            fs.ReleaseAndGetString();
            return svm;

        }

3.Emgucv的SVM和BP之间细微的差别

本以为只是改改训练器，几行代码的事情，但报了一堆错，全是小细节。

3.1 SVM的分类标签可以是int或者float，但BP一定一定要是float

 Matrix trainDate = new Matrix(allnum, chanum);
            Matrix trainLab = new Matrix(allnum,1);

 Matrix trainData = new Matrix(allnum, chanum);
            Matrix trainClasses = new Matrix(allnum, 1);

3.2 SVM可以直接给出预测结果（即标签），BP给出的不知道是什么（大概是到你定的标签范围内的落点，我定了1和-1，但有时候超出了1和-1，所以很奇怪，有真懂的同学留言教我一下），还要自己判断一下。

 Matrix preDate = new Matrix(1, chaNum);
                getPerDate(preDate, OutfileName[j], chaNum);
                float kinds=svm.Predict(preDate);

 Matrix preDate = new Matrix(1, chaNum);
                Matrix prediction = new Matrix(1, 1);
                getPerDate(preDate, OutfileName[j], chaNum);
                network.Predict(preDate, prediction);

                float kinds = prediction.Data[0, 0];

3.3 SVM（线性核函数）+MFCC我做出来50%上下，几乎没什么意义。BP效果不错，起码70以上，一般水准在80%上下。

悲伤的补一句，样本数量还可以且分类数量很小的情况下，最短路径的效果其实很好。

新开博客，目的为学习交流，本人QQ：273651820。