✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
=
⛄ 内容介绍
语音识别技术具有重要的理论价值和广阔的应用前景,近年来受到了人们的广泛重视.随着电子计算机的不断应用与发展以及人工智能的不断进步与完善,人们越来越希望让机器能够理解人类的自然语言,这种需求使得语音识别技术的研究与发展十分迅速.一直以来,语音识别研究大部分以线性系统理论为基础,主要包括应矢量量化(VQ),动态时间规整(DTW)与隐马尔可夫模型(HMM)等技术.然而,人的发音实际上是一个复杂的非线性过程,基于线性系统理论的语音识别方法的局限性渐渐显露出来.语音识别技术若要取得突破,必须引入非线性理论的方法,人工神经网络(ANN)就是非线性理论中的一种有效方法.近年来,随着人工神经网络,特别是BP神经网络等非线性理论研究与应用的逐渐深入,使这些理论应用于语音识别成为可能.本文以语音识别技术和BP神经网络理论为基础,结合MATLAB工具,研究了BP网络模型在语音识别中的应用问题.
⛄ 部分代码
%% 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
⛄ 运行结果
⛄ 参考文献
[1]詹新明. 基于BP神经网络的语音识别研究[D]. 华南理工大学, 2009.
