语音信号识别

模式识别

＜微计算机信息》(测控自动化)２００９年第２５卷第良１期

文章编号：１００８－０５７０(２００９)０９一ｌ－０１７６＿ｍ３

基于ＭＡＴＬＡＢ和ＢＰ网络的语音识别系统

Ｔｈｅｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｂａｓｅｄ

ｏｎ

ＭＡＴＬＡＢａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓ

(华南理工大学)詹新明杨灿

ＺＨＡＮＸｉｎ－ｍｉｎｇ

ＹＡＮＧ

Ｃａｎ

摘要：神经网络是近年来信息科学、脑科学、神经心理学等诸多学科共同关注和研究的热点。由于其具有良好的抽象分类特性，现已应用于语音识别系统的研究和开发，并成为解决识别相关问题的有效工具。文章在讲述语音识别过程的基础上重点讨论利用ＢＰ神经网络对语音进行识别，用ＭＡＴＬＡＢ完成对神经网络的训练和测试，并获得满意的结果。关键词：ＭＡＴＬＡＢ；ＢＰ神经网络：语音识别中图分类号：ＴＮ９１２．３４文献标识码：Ａ

Ａｂｓｔｒａｃｔ：Ｉｎｒｅｃｅｎｔ

ｙｅａｒｓ

ｎｅｕｒａｌｎｅｔｗｏｒｋ

ｉｓ

ｓｔｕｄｙｈｏｔｓｐｏｔｏｆ

ｃｏｍｍｏｎａｔｔｅｎｔｉｏｎ

ｏｎ

ｓｕｂｊｅｃｔ

ｏｆｉｎｆｏｒｍａｔｉｏｎｓｃｉｅｎｃｅ，ｂｒａｉｎｓｃｉｅｎｃｅ，ｎｅｕ—

ｒａｌｐｓｙｃｈｏｌｏｇｙａｎｄＳＯ

ｏｎ．Ｂｅｃａｕｓｅｎｅｕｒａｌ

ｎｅｔｗｏｒｋｈａｓ

ａ

ｇｏｏｄ

ａｂｓｔｒａｃｔｃｌａｓｓｉｆｉｃａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃ．ｎｏｗｉｔｈａｓｂｅｅｎ

ｕｓｅｄ

ｉｎ

ｔｈｅ

ｒｅ．

ｓｅａｒｃｈａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆ

ｓｐｅｅｃｈ

ｒｅｃｏｇｎｉｔｉｏｎ

ｓｙｓｔｅｍ，ａｎｄｂｅｃｏｍｅｓｔｈｅｖａｌｉｄ

ｔｏｏｌ

ｗｈｉｃｈｒｅｓｏｌｖｅｓ

ａ

ｒｅｌａｔｅｄｐｒｏｂｌｅｍ

ｇｒａｄｕａｌｌｙ

ｉｎ

ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｉｓｐａｐｅｒｂｒｉｅｆｌｙｉｎｔｒｏｄｕｃｅｓ

ｐｒｏｃｅｓｓｏｆ

ｓｐｅｅｃｈ

ｒｅｃｏｇｎｉｔｉｏｎａｎｄｅｍｐｈａｔｉｃａｌｌｙｄｉｓｃｕｓｓｅｓｈｏｗ

ｔｏ

ｒｅｃｏｇｎｉｚｅｓｐｅｅｃｈ

ｗｉｔｈＢＰＮｅｕｒａｌＮｅｔｗｏｒｋｓ．ｔｒａｉｎｓ

ａｎｄ

ｔｅｓｔｓｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｉｎ

ｕｓｅ

ｏｆＭＡＴＬＡＢ．ａｎｄａｃｑｕｉｒｅｓ

ａ

ｓａｔｉｓｆｉｅｄｒｅｓｕｌｔ．

Ｋｅｙ

ｗｏｒｄｓ：ＭＡＴＬＡＢ；ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓ；Ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ

１引言

出输出结果。由图２可见各层次的神经元之间形成全互连连接．各层次内的神经元之间没有连接。这种结构使多层前馈网络可人工神经网络(ＡｒｔｉｆｉｃｉａｌＮｅｕｒａ［Ｎｅｔｗｏｒｋ)是一种模拟人脑神在输入和输出间建立合适的线性或非线性关系．又不致使网络经元细胞的网络结构和功能．运用大量的处理部件，由人工方输出限制在一１和１之间。图ｌ是一个三层的ＢＰ网络结构。

式建立起来的自适应非线性动态系统。由于它模拟了人类神经输入层

隐含层

输出层

元活动的原理，具有自学习、联想、对比、分类、推理和概括能力，误筹反向传播

因此被应用于信息处理和语音识别等领域。数字化的语音信号可作为一维或二维ｆ双声道立体声数据)矩阵来处理。而ＭＡＴＬＡＢ的最大特点和优势就是矩阵运算的能力很强，因此很自然地将ＭＡＴＬＡＢ应用到语音处理领域。基于这种前提和背景．将ＭＡＴＬＡＢ和ＢＰ神经网络相结合进行语音识别的研究，已成为语音识别研究领域的又一个热点。本文主要介绍将语音信号经信息前向传播

过识别系统预处理后进行特征提取．再利用ＢＰ神经网络进行图ｌＢＰ网络结构

训练和测试．最后得出识别结果．并给出了基于ＭＡＴＬＡＢ环境下

２．２反向传播算法。

的图形用户界面ＧＵＩ的实现。

算法分为两个阶段：

第一阶段(正向过程)输入信息，从输入层经隐层逐层计算各２

ＢＰ神经网络基本原理

单元的输出值：根据下式计算每层的输出值：

基于误差反向传播(ＢａｃｋＰｒ０１)ａｇａｔｉｏｎ)算法的多层前馈网络

ｎｅｔｊ２乞咿，

ｒ１１

ｆＭｕｈｉｐｌｅ—ｌａｖｅｒｆｅｅｄｆｏｒｗａｒｄ

ｎｅｔｗｏｒｋ)，简记为ＢＰ网络，又称误差

Ｄ，＝Ｉ(ｎｅｔｆ)

(２)

信号反馈网络，是神经网络的一个分支，也是目前神经网络中应第二阶段(反向传播过程)输出误差，逐层向前算出隐层各个用最多也是最成功的网络之一。它是一种有教师的学习网络，能单元的误差，并用此误差修正前层的值。在ＢＰ算法中常采用梯够实现从Ｎ维到Ｍ维的非线性映射。一般采用梯度下降法实现度法修正权值．为此要求输出函数可微，通常采用Ｓｉｇｍｏｉｄ函数快速收敛。而构造一个ＢＰ网络需要确定其处理单元，即神经元作为输出函数。

的特性和网络的拓扑结构。

‘１’计算误差：

２．１

ＢＰ网络的拓扑结构

Ｅ＝｝莩(ｙ，一只)２

(３)

神经网络的拓扑结构是指神经元之间的互连结构。ＢＰ神ｆ２１按照梯度方向计算各层权重的修正量：

经网络采用的是并行网格结构，包括输入层、隐含层和输出层，△嘞(，)２券２－－砸ｐ，

(４)经作用函数后，再把隐节点的输出信号传递到输出节点，最后给其中６，的计算公式为：’

Ｉ一(ｙ—Ｏ，)ｏ／(１一Ｏ，)输出层的计算方法

。

詹新明：硕士研究生

６，２１０，(１一ｏ，)∑ｗｉｔ。

非输出层的计算方法

Ｖ’

一１７６—３６０元／年邮局订阅号：８２—９４６