一:模型建立
BP神经网络的语音特征信号分类算法建模有三步:1、BP神经网络构建,2、BP神经网络训练,3、BP神经网络分类。
算法流程如下:
BP神经网络结构为24-25-4,即输入层为24,隐含层为25,输出层为4。
二:Matlab实现
(1)、归一化方法及Matlab函数
为了消除数据间数量级差距,数据归一化处理将所有数据转化为[0,1]之间的数,数据归一化有以下两种方法:
1:最大最小法:函数形式:X = (X - min(X)) / (X - max(X));
其中min(X)、max(X)分别为数据中最小数、最大数。
2:平均数方差法:函数形式:X =(X - delta(X))/var(X);
其中delta(X)为数据总均值,var(X)为数据方差。
三:数据选择与归一化
根据倒谱系数法提取语音特征信号(名词解释:语音特征信号是语音识别研究领域一个重要方面,一般采用模式匹配原理解决。运算过程为:待识别信号转化为电信号后输入识别系统,经过预处理用数学方法提取语音特征信号,而后将此语音特征信号与已知参考模式比较,获得最佳匹配结果。):不同的语音信号用不同的不同的序号标识,提取的语音信号分别存储在数据库文件中,每组文件为25维,第一维为类别标识,后24维为语音特征信号,后将所有语音信号合为一组,从中选取1500组训练数据,500组测试数据,并进行归一化处理,根据语音类别标识设定每组语音信号的期望输出值。例(四类语音特征信号标识类为1时,期望输出向量为[1,0,0,0])。
注:学习过基础Matlab编程,因此不涉及代码部分。