语音特征信号识别是语音识别研究领域中的一个重要方面，一般采用模式匹配的原理解决。语音识别的运算过程为:
- 首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。
- 然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果。
- 语音识别流程如图1所示。
| 图1 |
|---|
在百度网盘附件资料—提取码：qwer中，已经提取了四类音乐语音特征信号,不同的语音信号分别用1,2,3,4标识，提取出的信号分别存储于data1.mat , data2.mat , data3.mat , data4.mat数据库文件中,数据内容如图2所示。
每组数据为25维,第1维为类别标识,后24维为语音特征信号。把四类语音特征信号合为一组，从中随机选取1500组数据作为训练数据,500组数据作为测试数据，并对训练数据进行归一化处理。根据语音类别标识设定每组语音信号的期望输出值,如标识类为1时,期望输出向量为[1 0 0 0]。
| 图2 |
|---|
BP神经网络预测前首先要训练网络,通过训练使网络具有联想记忆和预测能力。BP神经网络的训练过程包括以下几个步骤。
- 网络初始化。根据系统输入输出序列(X,Y)确定网络输人层节点数n ,隐含层节点数l,输出层节点数m,初始化输人层﹑隐含层和输出层神经元之间的连接权值 ω i j \omega _{ {\rm{ij}}} ωij, ω j k \omega _{ {\rm{jk}}} ωjk，初始化隐含层阈值a,输出层阈值b，给定学习速率和神经元激励函数。
- 隐含层输出计算。根据输入向量X,输入层和隐含层间连接权值 ω i j \omega _{ {\rm{ij}}} ωij,以及隐含层阈值a,计算隐含层输出H。
- 输出层输出计算。根据隐含层输出H,连接权值 ω j k \omega _{ {\rm{jk}}} ωjk和阈值b,计算BP神经网络预测输出O.
- 误差计算。根据网络预测输出O和期望输出Y,计算网络预测误差e。
- 权值更新。根据网络预测误差e，更新网络连接权值 ω i j \omega _{ {\rm{ij}}} ωij, ω j k \omega _{ {\rm{jk}}} ωjk
- 阈值更新。根据网络预测误差e，更新网络节点阈值a ,b。
- 判断算法迭代是否结束,若没有结束,返回步骤2。
具体代码如下：
%% 清空环境变量
clc
clear
%% 训练数据预测数据提取及归一化
%下载四类语音信号
load data1 c1
load data2 c2
load data3 c3
load data4 c4
%四个特征信号矩阵合成一个矩阵
data(1:500,:)=c1(1:500,:);
data(501:1000,:)=c2(1:500,:);
data(1001:1500,:)=c3(1:500,:);
data(1501:2000,:)=c4(1:500,:);
%从1到2000间随机排序
k=rand(1,2000);
[m,n]=sort(k); %n为随机排序好的2000个数
%输入输出数据
input=data(:,2:25); %原先2000个数的后24个位置的信息
output1 =data(:,1); %原先2000个数的第1个位置的信息
%把输出从1维变成4维
for i=1:2000
switch output1(i)
case 1
output(i,:)=[1 0 0 0];
case 2
output(i,:)=[0 1 0 0];
case 3
output(i,:)=[0 0 1 0];
case 4
output(i,:)=[0 0 0 1];
end
end
%按照先前打乱的顺序，随机提取1500个样本为训练样本，500个样本为预测样本
input_train=input(n(1:1500),:)';
output_train=output(n(1:1500),:)';
input_test=input(n(1501:2000),:)';
output_test=output(n(1501:2000),:)';
%输入数据归一化
[inputn,inputps]=mapminmax(input_train); % 归一化原理公式： Xk=(Xk-Xmin)/(Xmax-Xmin)
%% 网络结构初始化
%网络大小初始化
innum=24;
midnum=25;
outnum=4;
%权重初始化
w1=rands(midnum,innum);
b1=rands(midnum,1);
w2=rands(midnum,outnum);
b2=rands(outnum,1);
w2_1=w2;
w2_2=w2_1;
w1_1=w1;
w1_2=w1_1;
b1_1=b1;
b1_2=b1_1;
b2_1=b2;
b2_2=b2_1;
%学习率
xite=0.1;
alfa=0.01;
用训练数据训练BP神经网络，在训练过程中根据网络预测误差调整网络的权值和阈值。
%% 网络训练
for ii=1:10
E(ii)=0;
for i=1:1:1500
%% 网络预测输出
x=inputn(:,i);
% 隐含层输出
for j=1:1:midnum
I(j)=inputn(:,i)'*w1(j,:)'+b1(j);
Iout(j)=1/(1+exp(-I(j)));
end
% 输出层输出
yn=w2'*Iout'+b2;
%% 权值阀值修正
%计算误差
e=output_train(:,i)-yn;
E(ii)=E(ii)+sum(abs(e));
%计算权值变化率
dw2=e*Iout;
db2=e';
for j=1:1:midnum
S=1/(1+exp(-I(j)));
FI(j)=S*(1-S);
end
for k=1:1:innum
for j=1:1:midnum
dw1(k,j)=FI(j)*x(k)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4));
db1(j)=FI(j)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4));
end
end
w1=w1_1+xite*dw1';
b1=b1_1+xite*db1';
w2=w2_1+xite*dw2';
b2=b2_1+xite*db2';
w1_2=w1_1;w1_1=w1;
w2_2=w2_1;w2_1=w2;
b1_2=b1_1;b1_1=b1;
b2_2=b2_1;b2_1=b2;
end
end
用训练好的BP神经网络分类语音特征信号，根据分类结果分析BP神经网络分类能力。
%% 语音特征信号分类
inputn_test=mapminmax('apply',input_test,inputps);
for ii=1:1
for i=1:500%1500
%隐含层输出
for j=1:1:midnum
I(j)=inputn_test(:,i)'*w1(j,:)'+b1(j);
Iout(j)=1/(1+exp(-I(j)));
end
fore(:,i)=w2'*Iout'+b2;
end
end
分析实验结果。画出误差图。展示准确率。
%% 结果分析
%根据网络输出找出数据属于哪类
for i=1:500
output_fore(i)=find(fore(:,i)==max(fore(:,i)));
end
%BP网络预测误差
error=output_fore-output1(n(1501:2000))';
%画出预测语音种类和实际语音种类的分类图
figure(1)
plot(output_fore,'r')
hold on
plot(output1(n(1501:2000))','b')
legend('预测语音类别','实际语音类别')
%画出误差图
figure(2)
plot(error)
title('BP网络分类误差','fontsize',12)
xlabel('语音信号','fontsize',12)
ylabel('分类误差','fontsize',12)
%print -dtiff -r600 1-4
k=zeros(1,4);
%找出判断错误的分类属于哪一类
for i=1:500
if error(i)~=0
[b,c]=max(output_test(:,i));
switch c
case 1
k(1)=k(1)+1;
case 2
k(2)=k(2)+1;
case 3
k(3)=k(3)+1;
case 4
k(4)=k(4)+1;
end
end
end
%找出每类的个体和
kk=zeros(1,4);
for i=1:500
[b,c]=max(output_test(:,i));
switch c
case 1
kk(1)=kk(1)+1;
case 2
kk(2)=kk(2)+1;
case 3
kk(3)=kk(3)+1;
case 4
kk(4)=kk(4)+1;
end
end
%正确率
rightridio=(kk-k)./kk
最终预测效果如图3所示：
从图三的准确率的结果可以看出，成于BP神经网络的语音信号分类算法具有较高的准确性，能够准确识别出语宵信号所属类别。
| 图3 |
|---|
在书上看到这方面的内容，想着写一篇博客记录一下，如果这篇博客对你都有所帮助，希望可以点赞收藏关注走一波，以后还会分享优质博客，谢谢！