Speech recognition MFCC特征提取结果矩阵是否为负值？

我正在使用MFCC提取特征来实现一个语音识别器，我一直在使用HMM实现。我正在使用Kevin Murphy工具箱进行HMM。我的MFCC结果矩阵包含负值。我得到的可能是这种情况，我的MFCC代码可能是错误的。下面是我得到的错误-

Attempted to access obsmat(:,-39.5403); index must be a positive integer or logical.

Error in multinomial_prob (line 19)
  B(:,t) = obsmat(:, data(t));

Error in dhmm_em>compute_ess_dhmm (line 103)
 obslik = multinomial_prob(obs, obsmat);

Error in dhmm_em (line 47)
 [loglik, exp_num_trans, exp_num_visits1, exp_num_emit] = ...

Error in speechreco (line 77)
[LL, prior2, transmat2, obsmat2] = dhmm_em(dtr{1}, prior, A, B, 'max_iter', 5);

另外，如果有人知道任何HMM的Matlab源代码的链接，请提供我的最终项目。我正在尝试实现语音识别器，不知道提取特征向量后要做什么

这是整个MatLab代码（我使用的是kevin murphy HMM工具包，错误在dhmm_em函数中）：

function[]=speechreco（）
vtr={8}；fstr={8}；nbtr={8}；
ctr={8}；
对于i=1:8
%从列车文件夹中读取音频数据以执行操作
st=strcat（'train\s'，num2str（i），'.wav'）；
[s1，fs1，nb1]=波形读取（st）；%st是文件名；s1是采样数据，fs1是以赫兹为单位的帧速率，nb1是每个采样的位数
vtr{i}=s1；fstr{i}=fs1；nbtr{i}=nb1；
ctr{i}=mfcc（vtr{i}，fstr{i}）；
结束
显示（ctr{1}）；%MFCC矩阵20*129
W1=转置（ctr{1}）；
ch1=菜单（'Mel空格：'、'Signal 1'、'Signal 2'、'Signal 3'、，。。。
‘信号四’、‘信号五’、‘信号六’、‘信号七’、‘信号八’、‘出口’；
如果ch1~=9
地块（linspace（0，（fstr{ch1}/2），129），（melfb（20256，fstr{ch1}））；
标题（“Mel-Filterbank”）；
xlabel（“频率[Hz]”）；
结束
%错误就在这里
[LL，prior2，transmat2，obsmat2]=dhmm_em（ctr{1}，prior，A，B，'max_iter'，5）；
plot（LL（））；
结束
%%mfcc
%旧的MFCC现在
函数r=mfcc（s，fs）
m=100；
n=256；
帧=块帧（s，fs，m，n）；%获得的功率谱
m=melfb（20，n，fs）；
n2=1+层（n/2）；
z=m*abs（帧（1:n2，：）。^2；%应用三角窗
r=dct（对数（z））；%取对数，然后进行dct变换
结束
%%块帧函数
%块帧：将信号放入帧中
%
%输入：s包含要分析的信号
%fs是信号的采样率
%m是两帧开始之间的距离
%n是每帧的采样数
%
%输出：M3是包含所有帧的矩阵
功能M3=块帧（s、fs、m、n）
l=长度（s）；
nbFrame=楼层（（l-n）/m）+1；
对于i=1:n
对于j=1:nbFrame
M（i，j）=s（（（j-1）*M）+i）；%#好啊
结束
结束
h=汉明（n）；
M2=diag（h）*M；
对于i=1:nbFrame
M3（：，i）=fft（M2（：，i））；%#好啊
结束
结束
%--------------------------------------------------------------------------
函数m=melfb（p，n，fs）%用于功率谱图绘制
%MELFB确定mel间隔滤波器组的矩阵
% 
%输入：p过滤器组中的过滤器数量
%fft的n长度
%fs采样率（单位：Hz）
% 
%输出：包含滤波器组振幅的x（稀疏）矩阵
%尺寸（x）=[p，1+楼层（n/2）]
% 
%用法：例如，计算
%柱向量信号s，长度为n，采样率为fs：
% 
%f=fft（s）；
%m=melfb（p，n，fs）；
%n2=1+层（n/2）；
%z=m*abs（f（1:n2））。^2；
% 
%z将包含所需mel标度光谱的p个样本
%%%%%%%%%%%%%%%%%% 
%
f0=700/fs；
fn2=楼层（n/2）；
lr=log（1+0.5/f0）/（p+1）；
%将DC项转换为带0的fft箱号
bl=n*（f0*（exp（[01pp+1]*lr）-1））；
b1=楼层（bl（1））+1；
b2=ceil（bl（2））；
b3=楼层（bl（3））；
b4=最小值（fn2，ceil（bl（4））-1；
pf=对数（1+（b1:b4）/n/f0）/lr；
fp=地板（pf）；
pm=pf-fp；
r=[fp（b2:b4）1+fp（1:b3）]；
c=[b2:b4 1:b3]+1；
v=2*[1-pm（b2:b4）pm（1:b3）]；
m=稀疏（r，c，v，p，1+fn2）；
结束
%----------------------------------------------------------------------

错误与MFCC中的负值无关，值可能为负值。该错误表示，索引是obsmat中的浮点值，这意味着obsmat的构造不正确，类型错误，并且值和索引位于错误的位置。您需要共享为揭示错误而编写的整个代码，而不仅仅是调用hmm训练的代码行

---

查看您的代码，我发现您可能需要使用ctr调用dhmm_em，而不是使用ctr{1}。

我现在添加了整个代码。如果你有，请告诉我，你可以与HMM共享用于孤立词识别的MatLab代码，以便我可以将其用作参考，并从这个离散孤立模型进一步开发用于连续模型的代码。

    function []=speechreco()

vtr = {8}; fstr = {8}; nbtr = {8};
ctr = {8};

for i = 1:8

    % Read audio data from train folder for performing operations
    st=strcat('train\s',num2str(i),'.wav');
    [s1 , fs1 , nb1]=wavread(st);  %st is filename; s1 is sample data, fs1 is frame rate in hertz, nb1 is number of bits per sample 
    vtr{i} = s1; fstr{i} = fs1; nbtr{i} = nb1;

    ctr{i} = mfcc(vtr{i},fstr{i});

end


display(ctr{1}); %MFCC matrix 20*129

W1 = transpose(ctr{1});

ch1=menu('Mel Space:','Signal 1','Signal 2','Signal 3',...
                        'Signal 4','Signal 5','Signal 6','Signal 7','Signal 8','Exit');
                    if ch1~=9
                        plot(linspace(0, (fstr{ch1}/2), 129), (melfb(20, 256, fstr{ch1})));
                        title('Mel-Spaced-Filterbank');
                        xlabel('Frequency[Hz]');
                    end


%error is here
[LL, prior2, transmat2, obsmat2] = dhmm_em(ctr{1}, prior, A, B, 'max_iter', 5);
plot(LL());

end

%%mfcc
%old one MFCC now
function r = mfcc(s, fs)
m = 100;
n = 256;
frame=blockFrames(s, fs, m, n); %power spectra obtained 
m = melfb(20, n, fs);
n2 = 1 + floor(n / 2);
z = m * abs(frame(1:n2, :)).^2; %apply traingular window
r = dct(log(z));  %take log and then the dct conversion 
end



%% blockFrames Function
% blockFrames: Puts the signal into frames
%
% Inputs: s contains the signal to analize
% fs is the sampling rate of the signal
% m is the distance between the beginnings of two frames
% n is the number of samples per frame
%
% Output: M3 is a matrix containing all the frames

function M3 = blockFrames(s, fs, m, n)
l = length(s);
nbFrame = floor((l - n) / m) + 1;
for i = 1:n
    for j = 1:nbFrame
        M(i, j) = s(((j - 1) * m) + i); %#ok<AGROW>
    end
end
h = hamming(n);
M2 = diag(h) * M;
for i = 1:nbFrame
    M3(:, i) = fft(M2(:, i)); %#ok<AGROW>
end
end
%--------------------------------------------------------------------------

function m = melfb(p, n, fs)  %used for graph plot of power spectra
% MELFB Determine matrix for a mel-spaced filterbank 
% 
% Inputs: p number of filters in filterbank 
% n length of fft 
% fs sample rate in Hz 
% 
% Outputs: x a (sparse) matrix containing the filterbank amplitudes 
% size(x) = [p, 1+floor(n/2)] 
% 
% Usage: For example, to compute the mel-scale spectrum of a 
% colum-vector signal s, with length n and sample rate fs: 
% 
% f = fft(s); 
% m = melfb(p, n, fs); 
% n2 = 1 + floor(n/2); 
% z = m * abs(f(1:n2)).^2; 
% 
% z would contain p samples of the desired mel-scale spectrum 
%%%%%%%%%%%%%%%%%% 
%
f0 = 700 / fs; 
fn2 = floor(n/2); 
lr = log(1 + 0.5/f0) / (p+1); 
% convert to fft bin numbers with 0 for DC term 
bl = n * (f0 * (exp([0 1 p p+1] * lr) - 1)); 
b1 = floor(bl(1)) + 1; 
b2 = ceil(bl(2)); 
b3 = floor(bl(3)); 
b4 = min(fn2, ceil(bl(4))) - 1; 
pf = log(1 + (b1:b4)/n/f0) / lr; 
fp = floor(pf); 
pm = pf - fp; 
r = [fp(b2:b4) 1+fp(1:b3)]; 
c = [b2:b4 1:b3] + 1; 
v = 2 * [1-pm(b2:b4) pm(1:b3)]; 
m = sparse(r, c, v, p, 1+fn2); 
end
%----------------------------------------------------------------------