1 简介
Ｋ近邻（Ｋ－ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ，ＫＮＮ）算 法是 一种基于实例的统计学习方法，其基本思想是在多维空间Ｒｎ中，对于一个待分类样本ｘ，根据距离找到与未知样本最近邻的ｋ个训练样本点，然后根据这ｋ个近邻样本点的类别决定待分类样本的类别．Ｋ近邻算法的具体实现包括两 个 阶 段．
（１）训练阶段：对 训 练 样 本 进 行 离 散 化，读 取 和 存 储；
（２）分类阶段：首先对于待分类的样本，计算它与其他的训练样本的欧式距离．选择其中距离最近的Ｋ个样本．并查看这Ｋ个近邻的分类标记，根 据多 数 表 决原则确定待测样本的类别．重复以上步骤直至所有待分类的样本分类结束．
2 部分代码
function[A,E,Z] =TimePara(y)y_length=length(y); %声音信号的长度Ny=512; %短时帧长frame_all=floor((y_length-(Ny/2))/(Ny/2)); y2_sound=y(1:(frame_all+1)*(Ny/2)); y3=reshape(y2_sound,(Ny/2),[]); y4=[y3(:,1:frame_all);y3(:,2:(frame_all+1))];%%%%%%加hamming窗win_h=hamming(Ny); %win_y=y_sound.*win_h;for i=1:(frame_all) A_y(i)=sum(abs(y4(:,i).*win_h)); %计算短时幅值 E_y(i)=sum((y4(:,i).*win_h).*(y4(:,i).*win_h)); %计算短时能量 Z_y(i)=sum(abs(sign(y4(2:80,i))-sign(y4(1:79,i))))/2; %计算短时过零率endA=mean(A_y);E=mean(E_y);Z=mean(Z_y);figure(3);plot(y);grid on;xlabel('样本数');title('语音信号时域波形');figure(4);plot(A_y,'*r');hold on;plot(Z_y,'^g');hold on;plot(E_y,'sb');grid on;xlabel('帧数');title('短时幅值，过零率，能量');legend('幅值','过零率','能量');
3 仿真结果
4 参考文献
[1]龚灵杰, 袁家政, 刘宏哲. 基于加权最近邻的语音情感识别方法[C]// 中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集. 2017.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
