Matlab - RECONOCIMIENTO DE VOZ

Hola, soy hiper-nueva en Matlab y sucede que tengo un trabajo en la universidad sobre reconocimiento de voz usando Matlab, al reconocer mi voz se supone que se debe ejecutar un comando. Le he estado trabajando a eso y ya medio puedo reconocer mi voz, se me ocurrió hallar un promedio de frecuencias de varias grabaciones que hice y así tratar de encontrar máximo y mínimos de las gráficas para que al volver a decir una palabra pues esta gráfica nueva se compare con los promedios y ejecute lo que quiero. Lo malo es que son ocho palabras y los promedios de frecuencias se confunden, es decir, cuando digo una palabra, se ejecuta lo que no quiero y varia mucho la frecuencia dependiendo de cómo lo digo.

Alguno podría darme otra idea o alguna forma con la que pueda ser más precisa en lo que quiero ejecutar? Tal vez la varianza de las gráficas o el área bajo la curva podría ser? Les agradezco mucho!