matlab語音識別系統(tǒng)源代碼

1、（威海） 智能儀器課程設計題 目: MATLAB實現(xiàn)語音識別功能 班 級： 學 號： 姓 名： 同組人員： 任課教師： 完成時間： 2012/11/3 目錄一、 設計任務及要求1二、 語音識別的簡單介紹2.1語者識別的概念2 2.2特征參數(shù)的提取3 2.3用矢量量化聚類法生成碼本3 2.4VQ的說話人識別 4三、 算法程序分析3.1函數(shù)關系.4 3.2代碼說明5 3.2.1函數(shù)mfcc5 3.2.2函數(shù)disteu5 3.2.3函數(shù)vqlbg.63.2.4函數(shù)test63.2.5函數(shù)testDB7 3.2.6 函數(shù)train8 3.2.7函數(shù)melfb8四、 演示分析.9五、 心得體會.11附

2、：GUI程序代碼12一、 設計任務及要求用MATLAB實現(xiàn)簡單的語音識別功能；具體設計要求如下： 用MATLAB實現(xiàn)簡單的數(shù)字19的語音識別功能。二、 語音識別的簡單介紹基于VQ的說話人識別系統(tǒng)，矢量量化起著雙重作用。在訓練階段，把每一個說話者所提取的特征參數(shù)進行分類，產(chǎn)生不同碼字所組成的碼本。在識別(匹配)階段，我們用VQ方法計算平均失真測度(本系統(tǒng)在計算距離d時，采用歐氏距離測度)，從而判斷說話人是誰。語音識別系統(tǒng)結(jié)構(gòu)框圖如圖1所示。圖1 語音識別系統(tǒng)結(jié)構(gòu)框圖2.1語者識別的概念語者識別就是根據(jù)說話人的語音信號來判別說話人的身份。語音是人的自然屬性之一，由于說話人發(fā)音器官的生理差異以及后天

3、形成的行為差異，每個人的語音都帶有強烈的個人色彩，這就使得通過分析語音信號來識別說話人成為可能。用語音來鑒別說話人的身份有著許多獨特的優(yōu)點，如語音是人的固有的特征，不會丟失或遺忘；語音信號的采集方便，系統(tǒng)設備成本低；利用電話網(wǎng)絡還可實現(xiàn)遠程客戶服務等。因此，近幾年來，說話人識別越來越多的受到人們的重視。與其他生物識別技術如指紋識別、手形識別等相比較，說話人識別不僅使用方便，而且屬于非接觸性，容易被用戶接受，并且在已有的各種生物特征識別技術中，是唯一可以用作遠程驗證的識別技術。因此，說話人識別的應用前景非常廣泛：今天，說話人識別技術已經(jīng)關系到多學科的研究領域，不同領域中的進步都對說話人識別的發(fā)展

4、做出了貢獻。說話人識別技術是集聲學、語言學、計算機、信息處理和人工智能等諸多領域的一項綜合技術，應用需求將十分廣闊。在吃力語音信號的時候如何提取信號中關鍵的成分尤為重要。語音信號的特征參數(shù)的好壞直接導致了辨別的準確性。2.2特征參數(shù)的提取對于特征參數(shù)的選取，我們使用mfcc的方法來提取。MFCC參數(shù)是基于人的聽覺特性利用人聽覺的屏蔽效應，在Mel標度頻率域提取出來的倒譜特征參數(shù)。 MFCC參數(shù)的提取過程如下： 1. 對輸入的語音信號進行分幀、加窗，然后作離散傅立葉變換，獲得頻譜分布信息。 設語音信號的DFT為：（1）其中式中x(n)為輸入的語音信號，N表示傅立葉變換的點數(shù)。 2. 再求頻譜幅度

5、的平方，得到能量譜。 3. 將能量譜通過一組Mel尺度的三角形濾波器組。 我們定義一個有M個濾波器的濾波器組（濾波器的個數(shù)和臨界帶的個數(shù)相近），采用的濾波器為三角濾波器，中心頻率為f(m),m=1,2,3,···，M本系統(tǒng)取M=100。4. 計算每個濾波器組輸出的對數(shù)能量。 （2）其中為三角濾波器的頻率響應。 5. 經(jīng)過離散弦變換（DCT）得到MFCC系數(shù)。 MFCC系數(shù)個數(shù)通常取2030，常常不用0階倒譜系數(shù)，因為它反映的是頻譜能量，故在一般識別系統(tǒng)中，將稱為能量系數(shù)，并不作為倒譜系數(shù)，本系統(tǒng)選取20階倒譜系數(shù)。2.3用矢量量化聚類法生成碼本 我們將每個待識的說

6、話人看作是一個信源，用一個碼本來表征。碼本是從該說話人的訓練序列中提取的MFCC特征矢量聚類而生成。只要訓練的序列足夠長，可認為這個碼本有效地包含了說話人的個人特征，而與講話的內(nèi)容無關。 本系統(tǒng)采用基于分裂的LBG的算法設計VQ碼本，為訓練序列，B為碼本。 具體實現(xiàn)過程如下： 1. 取提取出來的所有幀的特征矢量的型心(均值)作為第一個碼字矢量B1。2. 將當前的碼本Bm根據(jù)以下規(guī)則分裂，形成2m個碼字。 （4）其中m從1變化到當前的碼本的碼字數(shù)，是分裂時的參數(shù)，本文=0.01。 3. 根據(jù)得到的碼本把所有的訓練序列(特征矢量)進行分類，然后按照下面兩個公式計算訓練矢量量化失真量的總和以及相對失

7、真(n為迭代次數(shù)，初始n=0，=，B為當前的碼書)，若相對失真小于某一閾值，迭代結(jié)束，當前的碼書就是設計好的2m個碼字的碼書，轉(zhuǎn)。否則，轉(zhuǎn)下一步。 量化失真量和： （5）相對失真： （6） 4. 重新計算各個區(qū)域的新型心，得到新的碼書，轉(zhuǎn)3。 5. 重復 ， 和步，直到形成有M個碼字的碼書(M是所要求的碼字數(shù))，其中D0=10000。 2.4 VQ的說話人識別 設是未知的說話人的特征矢量，共有T幀是訓練階段形成的碼書，表示碼書第m個碼字，每一個碼書有M個碼字。再計算測試者的平均量化失真D，并設置一個閾值，若D小于此閾值，則是原訓練者，反之則認為不是原訓練者。 （7）三、 算法程序分析在具體的實

8、現(xiàn)過程當中，采用了matlab軟件來幫助完成這個項目。在matlab中主要由采集，分析，特征提取，比對幾個重要部分。以下為在實際的操作中，具體用到得函數(shù)關系和作用一一列舉在下面。3.1函數(shù)關系主要有兩類函數(shù)文件Train.m和Test.m在Train.m調(diào)用Vqlbg.m獲取訓練錄音的vq碼本，而Vqlbg.m調(diào)用mfcc.m獲取單個錄音的mel倒譜系數(shù)，接著mfcc.m調(diào)用Melfb.m-將能量譜通過一組Mel尺度的三角形濾波器組。 在Test.m函數(shù)文件中調(diào)用Disteu.m計算訓練錄音（提供vq碼本）與測試錄音（提供mfcc）mel倒譜系數(shù)的距離，即判斷兩聲音是否為同一錄音者提供。Dis

9、teu.m調(diào)用mfcc.m獲取單個錄音的mel倒譜系數(shù)。mfcc.m調(diào)用Melfb.m-將能量譜通過一組Mel尺度的三角形濾波器組。 3.2具體代碼說明3.2.1函數(shù)mffc:function r = mfcc(s, fs)-m = 100;n = 256;l = length(s);nbFrame = floor(l - n) / m) + 1; %沿-方向取整 for i = 1:nfor j = 1:nbFrameM(i, j) = s(j - 1) * m) + i); %對矩陣M賦值endendh = hamming(n); %加 hamming 窗，以增加音框左端和右端的連續(xù)性M2

10、 = diag(h) * M;for i = 1:nbFrameframe(:,i) = fft(M2(:, i); %對信號進行快速傅里葉變換FFT endt = n / 2;tmax = l / fs;m = melfb(20, n, fs); %將上述線性頻譜通過Mel 頻率濾波器組得到Mel 頻譜,下面在將其轉(zhuǎn)化成對數(shù)頻譜n2 = 1 + floor(n / 2);z = m * abs(frame(1:n2, :).2;r = dct(log(z); %將上述對數(shù)頻譜，經(jīng)過離散余弦變換(DCT)變換到倒譜域，即可得到Mel 倒譜系數(shù)(MFCC參數(shù))3.2.2函數(shù)disteu-計算測試

11、者和模板碼本的距離function d = disteu(x, y)M, N = size(x); %音頻x賦值給【M，N】M2, P = size(y); %音頻y賦值給【M2，P】if (M = M2) error('不匹配！') %兩個音頻時間長度不相等endd = zeros(N, P);if (N < P)%在兩個音頻時間長度相等的前提下 copies = zeros(1,P); for n = 1:N d(n,:) = sum(x(:, n+copies) - y) .2, 1); endelse copies = zeros(1,N); for p = 1:

12、P d(:,p) = sum(x - y(:, p+copies) .2, 1)' end%成對歐氏距離的兩個矩陣的列之間的距離endd = d.0.5;3.2.3函數(shù)vqlbg-該函數(shù)利用矢量量化提取了音頻的vq碼本function r = vqlbg(d,k)e = .01;r = mean(d, 2);dpr = 10000;for i = 1:log2(k) r = r*(1+e), r*(1-e); while (1 = 1) z = disteu(d, r); m,ind = min(z, , 2); t = 0; for j = 1:2i r(:, j) = mean(d

13、(:, find(ind = j), 2); x = disteu(d(:, find(ind = j), r(:, j); for q = 1:length(x) t = t + x(q); end end if (dpr - t)/t) < e) break; else dpr = t; end endend3.2.4函數(shù)testfunction finalmsg = test(testdir, n, code)for k = 1:n % read test sound file of each speaker file = sprintf('%ss%d.wav',

14、testdir, k); s, fs = wavread(file); v = mfcc(s, fs); % 得到測試人語音的mel倒譜系數(shù)distmin = 4; %閾值設置處 % 就判斷一次，因為模板里面只有一個文件 d = disteu(v, code1); %計算得到模板和要判斷的聲音之間的“距離” dist = sum(min(d,2) / size(d,1); %變換得到一個距離的量 %測試閾值數(shù)量級 msgc = sprintf('與模板語音信號的差值為:%10f ', dist); disp(msgc); %此人匹配 if dist <= distmin

15、%一個閾值，小于閾值，則就是這個人。 msg = sprintf('第%d位說話者與模板語音信號匹配,符合要求!n', k); finalmsg = '此位說話者符合要求!' %界面顯示語句，可隨意設定 disp(msg); end %此人不匹配 if dist > distmin msg = sprintf('第%d位說話者與模板語音信號不匹配,不符合要求!n', k); finalmsg = '此位說話者不符合要求!' %界面顯示語句，可隨意設定 disp(msg); end end3.2.5函數(shù)testDB這個函數(shù)實際

16、上是對數(shù)據(jù)庫一個查詢,根據(jù)測試者的聲音,找相應的文件,并且給出是誰的提示function testmsg = testDB(testdir, n, code)nameList='1','2','3','4','5','6','7','8','9' ; %這個是我們要識別的9個數(shù)for k = 1:n % 數(shù)據(jù)庫中每一個說話人的特征 file = sprintf('%ss%d.wav', testdir, k);%找出文件的路徑 s, f

17、s = wavread(file); v = mfcc(s, fs); % 對找到的文件取mfcc變換 distmin = inf; k1 = 0; for l = 1:length(code) d = disteu(v, codel); dist = sum(min(d,2) / size(d,1); if dist < distmin distmin = dist;%這里和test函數(shù)里面一樣 但多了一個具體語者的識別 k1 = l; end end msg=nameListk1 msgbox(msg);end3.2.6 函數(shù)train-該函數(shù)就是對音頻進行訓練，也就是提取特征參數(shù)f

18、unction code = train(traindir, n)k = 16; % number of centroids requiredfor i = 1:n % 對數(shù)據(jù)庫中的代碼形成碼本 file = sprintf('%ss%d.wav', traindir, i); disp(file); s, fs = wavread(file); v = mfcc(s, fs); % 計算 MFCC's 提取特征特征，返回值是Mel倒譜系數(shù)，是一個log的dct得到的 codei = vqlbg(v, k); % 訓練VQ碼本 通過矢量量化，得到原說話人的VQ碼本end

19、3.2.7 函數(shù)melfb-確定矩陣的濾波器function m = melfb(p, n, fs)f0 = 700 / fs;fn2 = floor(n/2);lr = log(1 + 0.5/f0) / (p+1);% convert to fft bin numbers with 0 for DC termbl = n * (f0 * (exp(0 1 p p+1 * lr) - 1);直接轉(zhuǎn)換為FFT的數(shù)字模型b1 = floor(bl(1) + 1;b2 = ceil(bl(2);b3 = floor(bl(3);b4 = min(fn2, ceil(bl(4) - 1;pf = l

20、og(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)；四、 演示分析我們的功能分為兩部分:對已經(jīng)保存的9個數(shù)字的語音進行辨別和實時的判斷說話人說的是否為一個數(shù).在前者的實驗過程中,先把9個數(shù)字的聲音保存成wav的格式,放在一個文件夾中,作為一個檢測的數(shù)據(jù)庫.然后對檢測者實行識別,系統(tǒng)給出提示是哪個數(shù)字.在第二個功能中,實時的錄取一段說話人

21、的聲音作為模板,提取mfcc特征參數(shù),隨后緊接著進行遇著識別,也就是讓其他人再說相同的話,看是否是原說話者.實驗過程及具體功能如下：先打開Matlab 使Current Directory為錄音及程序所所在的文件夾再打開文件“enter.m”，點run運行，打開enter界面，點擊“進入”按鈕進入系統(tǒng)。（注：文件包未封裝完畢，目前只能通過此方式打開運行。）（如下圖figure1） figure1在對數(shù)據(jù)庫中已有的語者進行識別模塊:選擇載入語音庫語音個數(shù)；點擊語音庫錄制模版進行已存語音信息的提取；點擊錄音-test進行現(xiàn)場錄音；點擊語者判斷進行判斷數(shù)字，并顯示出來。在實時語者識別模塊:點擊實時錄

22、制模板上的“錄音-train”按鈕,是把新語者的聲音以wav格式存放在”實時模板”文件夾中, 接著點擊“實時錄制模板”，把新的模板提取特征值。隨后點擊實時語者識別模板上的“錄音-train”按鈕,是把語者的聲音以wav格式存放在”測試”文件夾中,再點擊“實時語者識別”，在對測得的聲音提取特征值的同時，和實時模板進行比對，然后得出是否是實時模板中的語者。另外面板上的播放按鈕都是播放相對應左邊錄取的聲音。想要測量多次，只要接著錄音，自動保存，然后程序比對音頻就可以。退出只要點擊菜單File/Exit，退出程序。程序運行截圖：（fig.2）運行后系統(tǒng)界面五、 心得體會實驗表明，該系統(tǒng)能較好地進行語音

23、的識別，同時，基于矢量量化技術 （）的語音識別系統(tǒng)具有分類準確，存儲數(shù)據(jù)少，實時響應速度快等綜合性能好的特點矢量量化技術在語音識別的應用方面，尤其是在孤立詞語音識別系統(tǒng)中得到很好的應用，特別是有限狀態(tài)矢量量化技術，對于語音識別更為有效。通過這次課程設計，我對語音識別有了更加形象化的認識，也強化了MATLAB的應用，對將來的學習奠定了基礎。附：GUI程序代碼function varargout = untitled2(varargin)% UNTITLED2 M-file for untitled2.fig% UNTITLED2, by itself, creates a new UNTITLE

24、D2 or raises the existing% singleton*.% H = UNTITLED2 returns the handle to a new UNTITLED2 or the handle to% the existing singleton*.% UNTITLED2('CALLBACK',hObject,eventData,handles,.) calls the local% function named CALLBACK in UNTITLED2.M with the given input arguments.% UNTITLED2('Pr

25、operty','Value',.) creates a new UNTITLED2 or raises the% existing singleton*. Starting from the left, property value pairs are% applied to the GUI before untitled2_OpeningFunction gets called. An% unrecognized property name or invalid value makes property application% stop. All inputs a

26、re passed to untitled2_OpeningFcn via varargin.% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one% instance to run (singleton)".% See also: GUIDE, GUIDATA, GUIHANDLES % Copyright 2002-2003 The MathWorks, Inc. % Edit the above text to modify the response to help untit

27、led2 % Last Modified by GUIDE v2.5 08-Jun-2010 23:58:57% Begin initialization code - DO NOT EDITgui_Singleton = 1;gui_State = struct('gui_Name', mfilename, . 'gui_Singleton', gui_Singleton, . 'gui_OpeningFcn', untitled2_OpeningFcn, . 'gui_OutputFcn', untitled2_OutputF

28、cn, . 'gui_LayoutFcn', , . 'gui_Callback', );if nargin && ischar(varargin1) gui_State.gui_Callback = str2func(varargin1);endif nargout varargout1:nargout = gui_mainfcn(gui_State, varargin:);else gui_mainfcn(gui_State, varargin:);end% End initialization code - DO NOT EDIT% - E

29、xecutes just before untitled2 is made visible.function untitled2_OpeningFcn(hObject, eventdata, handles, varargin)% This function has no output args, see OutputFcn.% hObject handle to figure% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user da

30、ta (see GUIDATA)% varargin command line arguments to untitled2 (see VARARGIN)% Choose default command line output for untitled2handles.output = hObject;% Update handles structureguidata(hObject, handles);axes(findobj('tag','axes13');imshow('3.jpg');axes(findobj('tag',

31、'axes12');imshow('1.jpg');% UIWAIT makes untitled2 wait for user response (see UIRESUME)% uiwait(handles.figure1);% - Outputs from this function are returned to the command line.function varargout = untitled2_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning

32、 output args (see VARARGOUT);% hObject handle to figure% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% Get default command line output from handles structurevarargout1 = handles.output;% - Executes on button press in pus

33、hbutton1.function pushbutton1_Callback(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)Channel_Str=get(handles.popupmenu3,'String'); Channel_Num

34、ber=str2double(Channel_Strget(handles.popupmenu3,'Value'); global moodle;moodle = train('模版',Channel_Number) %¶Ô´ýÇóÓïÒô½øÐÐÌáÈ¡Âë±¾% - Executes on button press in pushbutton

35、2.function pushbutton2_Callback(hObject, eventdata, handles)% hObject handle to pushbutton2 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handglobal data1;global moodle ;test('測試',1,moodle)%ʵʱÓïÒô¼ì²

36、6; % -function Open_Callback(hObject, eventdata, handles)% hObject handle to Open (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)filename,pathname=uigetfile('')file=get(handles.edits,filename,pathname)y,

37、f,b=wavread(file);% -function Exit_Callback(hObject, eventdata, handles)% hObject handle to Exit (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)exit% -function About_Callback(hObject, eventdata, handles)% hObjec

38、t handle to About (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)H='語者識別'helpdlg(H,'help text')% -function File_Callback(hObject, eventdata, handles)% hObject handle to File (see GCBO)% eventdata

39、 reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% -function Edit_Callback(hObject, eventdata, handles)% hObject handle to Edit (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handl

40、es and user data (see GUIDATA)% -function Help_Callback(hObject, eventdata, handles)% hObject handle to Help (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% - Executes on button press in pushbutton7.function pu

41、shbutton7_Callback(hObject, eventdata, handles)% hObject handle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)msg='請速度錄音¡'msgbox(msg)clearglobal data1;%global dataDN1;AI = analoginpu

42、t('winsound');chan = addchannel(AI,1:2);duration = 3; %1 second acquisitionset(AI,'SampleRate',8000)ActualRate = get(AI,'SampleRate');set(AI,'SamplesPerTrigger',duration*ActualRate)set(AI,'TriggerType','Manual')blocksize = get(AI,'SamplesPerTrigger

43、');Fs = ActualRate;start(AI)trigger(AI)data1,time,abstime,events = getdata(AI);fname=sprintf('E:Matlab語音識別系統(tǒng)實時模版s1.wav')%dataDN1=wden(data1,'heursure','s','one',5,'sym8');denoisewavwrite(data1,fname)msgbox(fname)% - Executes on button press in pushbutton8.

44、function pushbutton8_Callback(hObject, eventdata, handles)% hObject handle to pushbutton8 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global data1;%global dataDN1;sound(data1)%sound(dataDN1)axes(handles.axes1

45、)%set to plot at axes1 plot(data1);%plot(dataDN1);xlabel('訓練采樣序列'),ylabel('信號幅');%xlabel('ѵÁ·²ÉÑùÐòÁÐ'),ylabel('sym8С²¨½µÔëºóµÄÐźÅ

46、;·ù');grid on;clear % - Executes on button press in pushbutton9.function pushbutton9_Callback(hObject, eventdata, handles)% hObject handle to pushbutton9 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUID

47、ATA)msg='請速度錄音¡'msgbox(msg)clearglobal data2;%global dataDN2;AI = analoginput('winsound');chan = addchannel(AI,1:2);duration = 3; %1 second acquisitionset(AI,'SampleRate',8000)ActualRate = get(AI,'SampleRate');set(AI,'SamplesPerTrigger',duration*ActualRat

48、e)set(AI,'TriggerType','Manual')blocksize = get(AI,'SamplesPerTrigger');Fs = ActualRate;start(AI)trigger(AI)data2,time,abstime,events = getdata(AI);fname=sprintf('E:Matlab語音識別系統(tǒng)測試s1.wav')%dataDN1=wden(data1,'heursure','s','one',5,'sym8'

49、);denoisewavwrite(data2,fname)msgbox(fname)% - Executes on button press in pushbutton10.function pushbutton10_Callback(hObject, eventdata, handles)% hObject handle to pushbutton10 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user da

50、ta (see GUIDATA)global data2;%global dataDN2;sound(data2)%sound(dataDN2)axes(handles.axes2)%set to plot at axes1 plot(data2);%plot(dataDN2);xlabel('測試采樣序列'),ylabel('信號幅');%xlabel('²âÊÔ²ÉÑùÐòÁÐ'),ylabel('sym8Ð

51、;¡²¨½µÔëºóµÄÐźŷù');%grid on;clear % - Executes on button press in pushbutton11.function pushbutton11_Callback(hObject, eventdata, handles)% hObject handle to pushbutton11 (see GCBO)% eventdata reserved - to be

52、 defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global moodle ;testDB('測試',1,moodle)% - Executes on button press in pushbutton12.function pushbutton12_Callback(hObject, eventdata, handles)% hObject handle to pushbutton12 (see GCBO)% eventdata

53、 reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global moodle;moodle = train('實時模板',1) % - Executes on selection change in popupmenu3.function popupmenu3_Callback(hObject, eventdata, handles)% hObject handle to popupmenu3 (see GCBO)% eventdata reserved -