语音识别BP神经网络0到10数字语音识别含Matlab源码

1 简介

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。论文首先介绍了国内外语音识别研究的历史现状和发展趋势，接着阐述了语音识别和BP网络基本原理，然后基于MATLAB与BP神经网络构造和设计了语音识别原型系统，对系统设计原理和实现过程进行了详细介绍，最后进行了仿真实验和结果分析，并根据实验结果进行了算法改进和系统优化，使系统的识别率与识别速度显著提高。本文主要研究了基于BP神经网络的数字语音识别，对语音识别的主要过程和BP神经网络的构建进行了详细说明，研究构造了相应的语音识别模型与算法，完成了实验软件平台的搭建与开发，设计了基于MATLAB与BP神经网络的语音识别系统，并对系统进行算法改进和结构优化，大大提高了识别性能。

2 部分代码

function r = vqlbg(d,k) 
% VQLBG Vector quantization using the Linde-Buzo-Gray algorithme 矢量量化
% 
% Inputs: d contains training data vectors (one per column) d包含训练数据载体（每列）
% k is number of centroids required 需要的质心
% 
% Output: r contains the result VQ codebook (k columns, one for each centroids)R含有结果VQ码书（k列，为每个形心） 
e = .01; 
r = mean(d, 2); 
dpr = 10000; 
for i = 1:log2(k) 
r = [r*(1 e), r*(1-e)]; 
while (1 == 1) 
z = disteu(d, r); 
[m,ind] = min(z, [], 2); 
t = 0; 
for j = 1:2^i 
r(:, j) = mean(d(:, find(ind == j)), 2); 
x = disteu(d(:, find(ind == j)), r(:, j)); 
for q = 1:length(x) 
t = t   x(q); 
end 
end 
if (((dpr - t)/t) < e) 
break; 
else 
dpr = t; 
end 
end 
end

3 仿真结果

4 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.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

这篇好文章是转载于：学新通技术网