·374· 北京科技大学学报 1998年第4期 端点检测后要进行预加重处理，并完成对语音信号的特征提取与分析.我们采用线性预 测分析法(LPC)进行特征提取，并用杜宾高效递归算法求出10阶LPC最佳前向预测系数a (位=1,2，·，10)，形成一描绘语音特征的矢量2 LPC分析结果之一如图4所示. M. M M IN N M I N MN N 图4数字“7”的最佳前向预测系数波形 图3语音信号端点判别原理图 经过LP℃分析后数据量大大压缩了，每帧信号由原来的200多点压缩为10点.最后，将 得到的L℃最佳前向预测系数序列归正为一定长度，送人神经网络进行训练和学习， 所采用神经网络模型如图5所示).该神经网络为1个3层BP网，各层处理单元间根据 需要可有足够多的连接，每层计算特性如下： y. ymym 权值 阈值 F心（输出层） T 4 F(隐层) hi FA(输人层) 图53层BP神经网络模型 A,=X,0=1,2,…,M (3) B=fg4+h)=12,…月 (4) y=f(8:+刀G=12.…,M (5) 其中，f()为S形函数 网络训练采用BP算法，它是一递归梯度算法，每个权值和偏值的修正从输出层开始，逐 步向低层递归.我们采用具有动量项的EBP法： ",(1+1)=v:()+òx+a△v,(0 (6