[发明专利]一种基于BP神经网络的本地语音识别方法

摘要

本发明公开了一种基于BP神经网络的本地语音识别方法，步骤如下：（1）用户输入语音，建立操作和语音的命令集映射对，得到BP神经网络模型；（2）用户输入语音，用户输入的语音特征参数值经过BP神经网络进行正向传播，将神经网络实际输出值与所有的期望值进行比较；若有一个误差值小于预先设定的误差值，进入步骤（3）；若所有的误差值均大于预先设定的误差值X，则进入步骤（4）；（3）得到神经网络输出应用程序包名，启动应用程序；（4）误差值反向传播，作为BP神经网络输入，修正权值；直到有一个误差值小于X为止；若终止条件后，还未有误差值小于X，则结束训练。本发明具有数据库存储量需求少、语音识别速度快及精度高的优点。

主权项

一种基于BP神经网络的本地语音识别方法，其特征在于，具体步骤如下：（1）用户针对系统中的各操作，分别在系统中输入相应的语音，通过系统建立操作和语音的命令集映射对，作为BP神经网络的原始训练集，对BP神经网络进行训练，所述语音为用户输入的原始语音信息，系统对其进行预处理及特征参数提取，将提取的特征参数值输入到BP神经网络的输入端，所述操作为系统执行的应用程序，所述操作对应的应用程序包名为BP神经网络的输出；（2）BP神经网络的训练完后，用户向系统输入语音数据，系统首先对用户输入的语音数据进行预处理及提取语音的特征参数值，语音的特征参数值经过BP神经网络进行传播，将神经网络实际输出值与所有的期望值进行比较；若有其中一个误差值小于预先设定的误差值，则将该误差对应的输出作为语音识别的最终输出；然后进入步骤（3）；若所有的误差值均大于预先设定的误差值，则进入步骤（4）；（3）系统识别BP神经网络输出的应用程序的包名，调用包名相应的应用程序，执行应用程序相应的操作；（4）将所有的误差值在BP神经网络中反向传播，作为BP神经网络的输入，从而修正各个节点单元的权值；若当前学习次数小于预先设定的学习次数，则继续传播，直到其中一个误差值小于预先设定的误差值为止；若当前学习次数大于预先设定的学习次数时，还未出现一个误差值小于预先设定的误差值，则结束训练，并且由系统作出无法找到应用程序的提示。