【神经网络】基于BP神经网络的语音识别系统设计与实现-MATLAB

随着人工智能技术的不断发展，语音识别作为其中一个重要的研究领域，得到了广泛的关注和应用。特别是在语音信号分类和模式识别中，神经网络的应用表现出了巨大的潜力。本文将介绍一种基于反向传播（BP）神经网络的语音识别系统。通过训练神经网络，利用语音信号的特征进行分类，完成不同语音类别的识别任务。本文详细介绍了该系统的设计过程，包括数据预处理、BP神经网络模型的构建、训练过程、分类结果分析等。最终，通过实验

灵犀拾荒者

1365人浏览 · 2025-02-28 10:00:00

灵犀拾荒者 · 2025-02-28 10:00:00 发布

一、前言

随着人工智能技术的不断发展，语音识别作为其中一个重要的研究领域，得到了广泛的关注和应用。特别是在语音信号分类和模式识别中，神经网络的应用表现出了巨大的潜力。本文将介绍一种基于反向传播（BP）神经网络的语音识别系统。通过训练神经网络，利用语音信号的特征进行分类，完成不同语音类别的识别任务。本文详细介绍了该系统的设计过程，包括数据预处理、BP神经网络模型的构建、训练过程、分类结果分析等。最终，通过实验结果对该系统的表现进行了总结与思考。

二、技术与原理简介

1. 网络结构与前向传播

BP神经网络由输入层、隐含层和输出层构成，其核心计算流程如下：

（1）神经元激活函数
采用Sigmoid函数实现非线性映射：

其导数特性便于反向传播计算：

（2）隐含层输出计算
对于第𝑗个隐含层神经元：

其中𝑤𝑗𝑘(1) 为输入层到隐含层的权重，𝑏𝑗(1) 为偏置项。

（3）输出层计算
输出层采用线性激活：

其中ℎ 为隐含层神经元数量，𝑚 为输出类别数。

2. 反向传播算法

（1）损失函数定义
采用均方误差（MSE）衡量预测偏差：

其中𝑡𝑚 为真实标签的one-hot编码。

（2）权重更新规则
通过梯度下降法逐层反向修正参数：

其中𝜂 为学习率。

三、代码详解

本文的 MATLAB 代码主要分为以下几个部分：

1. 数据准备

%% 该代码为基于BP网络的语言识别

%% 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
output=zeros(2000,4);
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);

说明：

clc: 清空命令窗口。
clear: 清空工作区变量。
load data1 c1: 加载语音数据，c1 存储第一类语音信号的特征。
data(1:500,:)=c1(1:500,:): 将四类语音信号的特征合并到一个矩阵 data 中。
k=rand(1,2000): 生成一个 1x2000 的随机数向量。
[m,n]=sort(k): 对随机数向量进行排序，n 存储排序后的索引。
input=data(:,2:25): 提取输入特征，这里假设每条语音数据有 25 个特征，第一个特征是类别标签。
output1 =data(:,1): 提取类别标签。
output=zeros(2000,4): 将类别标签转换为 one-hot 编码。
input_train=input(n(1:1500),:): 随机提取 1500 个样本作为训练样本。
input_test=input(n(1501:2000),:): 随机提取 500 个样本作为测试样本。
[inputn,inputps]=mapminmax(input_train): 对输入数据进行归一化，将数据缩放到 [-1, 1] 区间。

2. 网络初始化

%% 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;
loopNumber=10;
I=zeros(1,midnum);
Iout=zeros(1,midnum);
FI=zeros(1,midnum);
dw1=zeros(innum,midnum);
db1=zeros(1,midnum);

说明：

innum=24: 输入层神经元数量，对应输入特征的数量。
midnum=25: 隐藏层神经元数量。
outnum=4: 输出层神经元数量，对应语音类别的数量。
w1=rands(midnum,innum): 初始化输入层到隐藏层的权值矩阵。
b1=rands(midnum,1): 初始化隐藏层神经元的偏置。
w2=rands(midnum,outnum): 初始化隐藏层到输出层的权值矩阵。
b2=rands(outnum,1): 初始化输出层神经元的偏置。
xite=0.1: 学习率。
loopNumber=10: 迭代次数。

3. 网络训练

%% 网络训练
E=zeros(1,loopNumber);
for ii=1:loopNumber
    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

说明：

E=zeros(1,loopNumber): 初始化误差向量。
for ii=1:loopNumber: 迭代训练 loopNumber 次。
x=inputn(:,i): 提取第 i 个训练样本的输入特征。
I(j)=inputn(:,i)'*w1(j,:)'+b1(j): 计算隐藏层神经元的输入。
Iout(j)=1/(1+exp(-I(j))): 计算隐藏层神经元的输出，使用 Sigmoid 函数作为激活函数。
yn=w2'*Iout'+b2: 计算输出层神经元的输出。
e=output_train(:,i)-yn: 计算输出层神经元的误差。
dw2=e*Iout: 计算隐藏层到输出层的权值变化率。
db2=e': 计算输出层神经元的偏置变化率。
FI(j)=S*(1-S): 计算 Sigmoid 函数的导数。
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)): 计算输入层到隐藏层的权值变化率。
db1(j)=FI(j)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4)): 计算隐藏层神经元的偏置变化率。
w1=w1_1+xite*dw1': 更新输入层到隐藏层的权值。
b1=b1_1+xite*db1': 更新隐藏层神经元的偏置。
w2=w2_1+xite*dw2': 更新隐藏层到输出层的权值。
b2=b2_1+xite*db2': 更新输出层神经元的偏置。

4. 分类性能评估

%% 语音特征信号分类
inputn_test=mapminmax('apply',input_test,inputps);
fore=zeros(4,500);
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
output_fore=zeros(1,500);
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;
disp('正确率')
disp(rightridio);

说明：

inputn_test=mapminmax('apply',input_test,inputps): 对测试数据进行归一化，使用训练数据的归一化参数。
fore=zeros(4,500): 初始化预测结果矩阵。
output_fore=zeros(1,500): 根据网络输出找出数据属于哪类。
error=output_fore-output1(n(1501:2000))': 计算预测误差。
plot(output_fore,'r'): 画出预测语音类别和实际语音类别的分类图。
plot(error): 画出误差图。
k=zeros(1,4): 找出判断错误的分类属于哪一类。
kk=zeros(1,4): 找出每类的个体和。
rightridio=(kk-k)./kk: 计算正确率。

5. 完整代码

%% 该代码为基于BP网络的语言识别

%% 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
output=zeros(2000,4);
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;
loopNumber=10;
I=zeros(1,midnum);
Iout=zeros(1,midnum);
FI=zeros(1,midnum);
dw1=zeros(innum,midnum);
db1=zeros(1,midnum);

%% 网络训练
E=zeros(1,loopNumber);
for ii=1:loopNumber
    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
 

%% 语音特征信号分类
inputn_test=mapminmax('apply',input_test,inputps);
fore=zeros(4,500);
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
output_fore=zeros(1,500);
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;
disp('正确率')
disp(rightridio);