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Wij(k)和Wjg(k)，以及两层间激活函数参数aj(k)和bg(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Xi(k)进行分析，计算BP神经网络输出层的输出Og(k),同时根据期望输出Yg(k)计算误差Eg(k)，使用误差Eg(k)与PID算法中的比例参数KP，积分参数KI，微分参数KD对η(k)进行调节；

然后，使用误差Eg(k)和调节后的η(k)修正BP神经网络输出层和隐藏层的加权系数Wij(k)和Wjg(k)，以及两层间激活函数参数aj(k)和bg(k),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Yg(k)与实际输出Og(k)得到误差Eg(k)，误差Eg(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Eg(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Wij(k)、阈值aj(k)，以及输出层权值Wjg(k)、阈值bg(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Eg(k)，当误差Eg(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Eg(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EgD(k)＝Eg(k)‑Eg(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Eg(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Wij(k)，隐藏层阈值aj(k)，以及隐藏层与输出层之间权值Wjg(k)，输出层阈值bg(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EgD(k)＝Eg(k)‑Eg(k‑1)。