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=1:500%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

%% 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~~