本来博主应该要搞卷积神经网络的，但是由于博主是这方面的小
白，都是从0开始的，所以怕一口吃下去咽死，还是先从BP神经网
络学起，后面的博文会陆陆续续推出实现卷积神经网络的嗓音识
别的。
1.1.1 BP 神经网络概述 BP 神经网络是一种多层前馈神经网络,该网络的主要特点是信号前向传递,误差反向传 播。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层。每一层的神经元状态 只影响下一层神经元状态。如果输出层得不到期望输出,则转入反向传播,根据预测误差调整 网络权值和阈值,从而使 BP 神经网络预测输出不断逼近期望输出。 BP 神经网络的拓扑结构 BP 神经网络可以看成一个非线性函数,网络输入值和预测值分别为该函数的自变量和因变量。
当输入节点数为 n ,输出节点数为 m 时, BP 神经网络就表达了从 n 个自变量到 m 个因变量的函数映射关系。 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。 步骤 1 :网络初始化。根据系统输入输出序列( X ,Y )确定网络输入层节点数 n 、隐含层节 点数 l ,输出层节点数 m ,初始化输入层、隐含层和输出层神经元之间的连接权值 ω ij,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。 步骤 2 :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 ωij 以及隐含层阈值 a ,计算隐含层输出 H 。 步骤 3 :输出层输出计算。根据隐含层输出 H ,连接权值 ωjk和阈值 b ,计算 BP 神经网络预测输出 O 。 步骤 4 :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 。 步骤 5 :权值更新。根据网络预测误差 e 更新网络连接权值 ω 步骤 6 :阈值更新。根据网络预测误差 e 更新网络节点阈值 a , 步骤 7 :判断算法迭代是否结束,若没有结束,返回步骤 2 。 1.1.2 语音特征信号识别 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 本案例选取了民歌、古筝、摇滚和流行四类不同音乐,用 BP 神经网络实现对这四类音乐 的有效分类。每段音乐都用倒谱系数法提取 500 组 24 维语音特征信号,提取出的语音特征信 1.2 模型建立 BP 神经网络构建根据系统输入输出数据特点确定 BP 神经网络的结构,由于语音特征输 入信号有 24 维,待分类的语音信号共有 4 类,所以 BP 神经网络的结构为 24 — 25 — 4 ,即输入 层有 24 个节点,隐含层有 25 个节点,输出层有 4 个节点。 BP 神经网络训练用训练数据训练 BP 神经网络。共有 2000 组语音特征信号,从中随机
选择 1500 组数据作为训练数据训练网络,500 组数据作为测试数据测试网络分类能力。
BP 神经网络分类用训练好的神经网络对测试数据所属语音类别进
号。BP 神经网络构建根据系统输入输出数据特点确定 BP 神经网
络的结构,由于语音特征输入信号有 24 维,待分类的语音信号共有4
类,所以 BP 神经网络的结构为 24 — 25 — 4 ,即输入层有 24 个节
点,隐含层有 25 个节点,输出层有 4 个节点。BP 神经网络训练用
训练数据训练 BP 神经网络。共有 2000 组语音特征信号,从中机
选择 1500 组数据作为训练数据训练网络,500 组数据作为测试数
据测试网络分类能力。
BP 神经网络分类用训练好的神经网络对测试数据所属语音类别进
行分类。
%% 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); %输入输出数据 input=data(:,2:25); output1 =data(:,1); %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 %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); %% 网络结构初始化 innum=24; midnum=25; outnum=4; %权值初始化 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; %% 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'+alfa*(w1_1-w1_2); b1=b1_1+xite*db1'+alfa*(b1_1-b1_2); w2=w2_1+xite*dw2'+alfa*(w2_1-w2_2); b2=b2_1+xite*db2'+alfa*(b2_1-b2_2); 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 %% 语音特征信号分类 inputn_test=mapminmax('apply',input_test,inputps); for ii=1:1 for i=1:50000 %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 %% 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 效果图
不懂的可以加我的QQ群：522869126（语音信号处理） 欢迎你
的到来哦，看了博文给点脚印呗，谢谢啦~~
