基于LPC与人工神经网络的语音识别系统

资 源 简 介

该项目利用MATLAB开发了一套结合线性预测建模与神经网络分类的语音识别方案。系统首先对采集到的原始语音信号进行预处理，包括消除直流偏置、预加重以补偿高频损耗、分帧及加窗处理，确保信号在短时间内满足平稳性要求。核心功能环节采用线性预测分析（LPC）方法，通过由语音信号的自相关函数求解正规方程，提取出能够表征声道特性的LPC系数，这些系数作为表征语音特征的紧凑描述符。在识别阶段，系统构建了一个多层前馈人工神经网络，将提取出的LPC特征向量作为网络输入。通过对已知语音样本进行监督学习和训练，网络能够自动调整权

详 情 说 明

基于LPC参数与人工神经网络的语音识别系统

项目介绍

本项目展示了一套在MATLAB环境下实现的语音识别方案，核心结合了统计信号处理中的线性预测建模（LPC）技术与机器学习中的前馈人工神经网络（ANN）。系统通过模拟不同声道特性的语音信号，提取能够代表语音本质特征的线性预测系数，并利用神经网络的非线性映射能力完成对不同语音指令的分类。该系统适用于特定人小词汇量的指令识别研究、语音信号处理的教学演示以及智能硬件控制算法的预研。

功能特性

• 端到端仿真流程：涵盖了从原始信号合成、预处理、特征提取到模型训练与性能测量的完整闭环。
• 精细的信号预处理：包含消除直流偏置、高频预加重、分帧及Hamming加窗，使非平稳语音信号转化为短时平稳信号。
• 鲁棒的特征表示：采用12阶LPC系数作为特征向量，有效地压缩了语音数据量，并保留了共振峰等关键声道信息。
• 自动化分类识别：基于Levenberg-Marquardt算法优化的多层前馈网络，具备快速收敛和高精度的分类能力。
• 多维结果可视化：提供训练轨迹、频谱包络、识别散点图及三维混淆矩阵，便于直观评估算法性能。

系统流程与实现逻辑

系统的核心运行逻辑分为五个主要阶段：

1. 数据准备与信号模拟 系统通过数学建模生成三类不同的合成语音信号。每一类信号具有特定的基频激励和不同的滤波器极点（模拟不同的共振峰特性）。为增强系统的鲁棒性，在生成过程中引入了随机的音高波动和加性高斯白噪声。

2. 信号预处理

• 去直流分量：减去信号均值，消除硬件采集可能引入的偏置。
• 预加重：通过一阶高通滤波器补偿语音信号在高频段的能量损耗。
• 分帧加窗：将连续信号切分为240采样点的帧，帧移为80点，并施加汉明窗以减少频谱泄露。

3. LPC特征提取 程序对每一帧信号进行自相关分析，并调用内置的递归函数求解正规方程。提取出的12阶线性预测系数（去掉起始的常数1）构成了该帧的特征。最终，程序将一个练习样本中所有帧的特征取平均，形成一个12维的特征向量作为神经网络的输入。

4. 神经网络构建与训练 系统初始化一个包含20个隐藏层神经元的双层前馈网络。采用有监督学习方式，将提取的LPC特征矩阵输入网络，目标输出为One-hot编码的类别标签。训练过程通过设置误差阈值和迭代次数来控制，直至网络权值收敛。

5. 性能评估与测试 利用未参与训练的测试样本（加入了更强的背景噪声）检验系统的泛化能力。系统自动计算总识别准确率，并为每一类指令生成详细的识别报告。

关键算法说明

线性预测分析 (LPC) 系统实现了经典的Levinson-Durbin递归算法。该算法的核心思想是：语音信号的当前采样值可以通过过去采样值的线性组合来预测。通过最小化预测误差，求解出的系数向量 $a=[1, a_1, a_2, ..., a_p]$ 能够直接体现声道的传递函数特性。在本项目中，这些系数作为语音纹理的“指纹”。

人工神经网络 (ANN) 采用了基于 trainlm（Levenberg-Marquardt）训练算法的神经网络，由于其结合了梯度下降法和牛顿法的优点，非常适合小规模的特征分类任务。网络通过不断的迭代优化，在12维LPC空间中划定分类决策边界。

结果可视化

系统运行结束后会弹出综合分析图表，包含以下内容：

• 训练误差曲线：展示均方误差（MSE）随训练代数下降的过程。
• LPC包络谱：展示由预测系数重构出的信号频率响应，直观反映共振峰。
• 识别分类散点图：对比预测类别与真实标签的偏差。
• 3D混淆矩阵：以三维柱状图形式展示各类别之间是否存在误判，分析系统的分类偏见。

系统要求

• MATLAB R2016b 或更高版本
• Deep Learning Toolbox (原 Neural Network Toolbox)
• Signal Processing Toolbox

使用方法

1. 确保已安装上述必要的工具箱。
2. 将系统脚本文件置于当前工作路径。
3. 直接在命令行窗口运行入口脚本，系统将自动开始数据生成、模型训练及识别评估。
4. 运行过程中，命令行会实时输出训练状态和最终识别率。
5. 如需识别真实语音，可修改脚本中的数据准备部分，使用 audioread 函数替换合成代码。