神经网络在语音别上的应用.docVIP

Harbin Institute of Technology 神经网络与智能信号处理 实验报告 神经网络实验报告 1、实验名称： 神经网络在语音识别上的应用 2、实验目的： 进一步了解神经网络在语音识别上的应用，了解神经网络的基本原理，学习神经网络的算法，还可以进一步分析不同的隐节点数以及训练步数对误差性能的影响。 3、实验要求： 1、设计一个标准的BP学习算法网络来对语音信号26个字母进行识别。 2、在训练时采用不同的隐含层神经元个数，分析其对网络性能、语音识别系统的识别率的影响。 3、用所创建的BP神经网络进行26个字母的语音识别，观察并记录结果，并分析其误差。 4、实验步骤： 1、语音识别的基本原理 语音识别的总体流程如下： 语音输入时要先经过预处理，包括预加重、分帧加窗等。然后进行特征提取，该实验中的特征参数为MFCC参数。语音特征参数的时间序列构成语音的模式，将其与获得的参考模式逐一比较，获得最佳匹配的参考模式便是识别结果。 由于语音信号的复杂性，所以在一开始在语音信号输入语音识别系统时需要进行预处理，预处理包括预加重，分帧加窗，端点检测等。预加重的目的是为了加强语音的高频部分，以便在特征提取阶段进行频谱分析。分帧加窗的目的是为了使帧与帧之间平滑过渡，保持连续性以及保持语音信号的短时平稳性，降低由于不连续而产生的Gibbs效应。端点检测的目的就是从语音信号序列中截取实际有效的语音信号。 特征提取阶段，是从语音数据中提取能反映语音信号特征和变化规律的参数，以唯一表征语音，这儿选用的语音信号特征参数为MEL频率倒谱系数，即MFCC。MEL频率倒谱的实现过程如下图所示： （1）对语音信号进行预处理，加窗、分帧将其变为短时信号。 （2） 将短时时域信号转变为频域信号，并计算其短时能量，离散傅立叶变换。将时域信号后补若干0形成长为N的序列，再经过离散傅立叶变换得到线性频谱，变换公式： 0n,kN-1 （3）在频标内三角带通滤波器个加于坐标得到滤波器组，转化关系为 （4）求对数能量。为了使计算结果对噪声和谱估计噪声有更好的鲁棒性，一般将上述经过Mel频谱取对数能量。则由线性频谱得到对数频谱的总的传递函数为： （5）离散余弦变换（DCT） 将上述的对数频谱 经过离散余弦变换到倒谱域，即可得到MEL倒谱系数即MFCC系数 2、BP神经网络的建立 BP神经网络是一种多层前馈神经网络，采用的算法是误差反传法，误差反传法特点就是使输入输出层连接权值进行调整，而且隐含层连接权值可根据误差与上层输出进行修改，即有了学习能力。在BP神经网络中存在前向传播信息流和误差反传信息流。前向传播信息流就是输入信号从输入层进入到隐含层，再从输出层输出。它的输出是整个神经网络的计算结果。网络会计算最后输出与期望间的误差。如果误差超过一定的范围，就沿着神经网络反传，进行误差反传。误差反传就是误差从输出层经隐含层到输入层的过程。误差衡量的是输出信息与期望信息的距离。在误差反传的过程中，连接权值根据误差值等一些参数来进行调整，使得调整后的BP网络的实际输出更接近于理想输出。 本实验中的BP神经网络设计为3层，即其隐含层只有一层。在训练阶段和识别阶段BP网络的输入均是由输入语音的MFCC参数组成。这些特征参数构成一个矩阵，矩阵的每一列代表一个单独的语音，矩阵的行数为每个输入的维数，矩阵的列数为语音样本数。 要识别所有的字母，BP神经网络的输出层采用5维的来识别26个英文字母。00000～11010分别对应字母A~Z。但实际中我们只识别A~E，所以只需3维就够了，001～101分别对应A~E。 当神经网络的各节点采用S型传递函数时一个隐含层就可以实现任意判决分类问题。对于规模不大的神经网络的模式分类、边界判决问题，使用两层隐含层并不一定比一层隐含层更优越。同时考虑到语音识别系统的效率问题，所以本实验只采用一层隐含层，隐含层神经元的数目为15个。 BP神经网络的创建函数：net=newff(pr,sn,transf,trainf) 其中pr为输入的数值范围；sn为一维数组，数组的维数表示神经网络的层数，数组的大小表示该层的神经元个数。transf也是一维数组，表示神经网络各层的传递函数。trainf为神经网络的训练函数。 BP神经网络的训练函数：net=train(net,sample,target) 参数中的net是指未经训练的BP神经网络，sample为供训练的语音样本，target为相对应的sample的期望输出，该函数返回一个已经训练好的BP神经网络。 BP神经网络的仿真函数:Y=sim(net,sample) Net为已经训练好的BP神经网络，sample为供测试使用的语音样本特征。该仿真