[发明专利]一种双层PID优化的BP神经网络语音识别方法

权利要求书

1.一种双层PID优化的BP神经网络语音识别方法，其特征在于：

首先，搭建三层BP神经网络，分别为输入层、隐藏层和输出层，随机生成输出层和隐藏层之间的加权系数W_ij(k)和W_jg(k)，以及两层间激活函数参数a_j(k)和b_g(k)，选取学习率η(k)，并令k＝1；

其次，FPGA平台对需要识别的语音进行语音数据提取，并使用BP神经网络对提取后的数据X_i(k)进行分析，计算BP神经网络输出层的输出O_g(k)，同时根据期望输出Y_g(k)计算误差E_g(k)，使用误差E_g(k)与比例参数K_P，积分参数K_I，微分参数K_D对η(k)进行PID调节；

学习速率更新后，再将更新后的学习速率η(k)以及输出误差E_g(k)作为内层PID更新公式中的参数，之后对输入层与隐藏层之间权值、隐藏层阈值、隐藏层与输出层之间权值和输出层阈值进行更新，直到BP神经网络输出层输出误差满足要求为止，最后对输入的语音进行判定，是否为设定的语音信号；

包括以下步骤：

A、进行训练初始化准备，将神经网络结构初始化，获取训练用的样本集；

B、对样本集进行特征提取，得到特征集；

C、以特征集作为训练集对神经网络进行训练，在训练过程中使用期望输出Y_g(k)与实际输出O_g(k)得到误差E_g(k)，误差E_g(k)作为外层PID算法中的参数对学习速率η(k)进行调节，之后继续使用误差E_g(k)与调节后的学习速率η(k+1)作为内层PID算法参数对输入层的权值W_ij(k)、阈值a_j(k)，以及输出层权值W_jg(k)、阈值b_g(k)进行调节；

D、对调节后的神经网络进行测试，测试样本按照步骤(2)进行特征提取，之后交由经过步骤的(3)神经网络进行识别，得到步骤(3)所述误差E_g(k)，当误差E_g(k)小于一定阈值，神经网络训练完成，判断输入的语音信号是否为设定的语音信号。

2.根据权利要求1所述的一种双层PID优化的BP神经网络语音识别方法，其特征在于，所述步骤C中，误差E_g(k)作为外层PID算法参数对学习速率进行调节，外层PID调节公式如下：

其中s＝1,2,…,k，k为当前迭代次数，N₃为输出层层数，取N₃＝3，其中

E_gD(k)＝E_g(k)-E_g(k-1)。

3.根据权利要求1所述的一种双层PID优化的BP神经网络语音识别方法，其特征在于，所述步骤C中，使用误差E_g(k)与调节后的学习速率η(k+1)作为内层PID算法参数对输入层与隐藏层之间权值W_ij(k)，隐藏层阈值a_j(k)，以及隐藏层与输出层之间权值W_jg(k)，输出层阈值b_g(k)进行调节，外层PID调节公式如下，

输入层与隐藏层之间权值的更新公式为：

隐藏层阈值的公式为：

N₃为输出层层数，取N₃＝3，

隐藏层与输出层之间权值的更新公式为：

输出层阈值的更新公式为：

其中s＝1,2,…,k，k为当前迭代次数，N₃为输出层层数，取N₃＝3，其中E_gD(k)＝E_g(k)-E_g(k-1)。

EgD(k)＝Eg(k)-Eg(k-1)。