在Matlab中使用LPC和ANN进行语音识别

Question

我有11个人的4个音素（a，e，o，u）的音频记录。 我使用来自10个人的数据训练了ANN，然后将另一组用于测试。 我使用记录的第一时间段（20毫秒）的14个LPC系数作为特征。

训练矩阵I每个音素有14行和10列。 所以是14 * 40。 由于这是一个监督分类问题，因此我构建了一个目标矩阵T ，该目标矩阵T为4 * 40。 它包含1和0，其中1表示I中的相应列来自该类。

测试数据矩阵包含四列14行，因为它仅包含一个人的四个音素。 让我们称之为S

这是代码：

net = newff(I, T, 15);
net = init(net);
net.trainParam.epochs = 10000;
net.trainParam.goal = 0.01;
net = train(net, I, T);
y1 = sim(net, I);
y2 = sim(net, S)

即使我将训练数据作为测试数据（y1），结果也不是很好。

怎么了

Answer 1

我使用记录的第一时间段（20毫秒）的14个LPC系数作为特征。

那么，除了前20ms之外，您是否忽略了几乎所有声音数据？ 听起来不对。 您必须至少计算所有帧的平均值。

怎么了

您是在不了解理论的情况下开始编码的。 可能您想先阅读一些介绍。 至少这个理想情况下这

要了解ANN为什么不起作用，需要计算将10个要素映射到4个类所需的参数数量，然后计算每个参数需要多少训练向量。 考虑到每个参数至少需要10个样本才能进行初始估算。 这意味着您的训练数据还不够。