孤立詞語(yǔ)音識(shí)別系統(tǒng)的實(shí)現(xiàn)

引 言

　　在孤立詞語(yǔ)音識(shí)別中，最為簡(jiǎn)單有效的方法是采用動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping，DTW)算法，該算法解決了發(fā)音長(zhǎng)短不一的模板匹配問題，是語(yǔ)音識(shí)別中出現(xiàn)最早、較為經(jīng)典的一種算法。用于孤立詞識(shí)別，該算法較現(xiàn)在比較流行的HMM算法在相同的環(huán)境條件下，識(shí)別效果相差不大，但HMM算法要復(fù)雜的多，這主要體現(xiàn)在HMM算法在訓(xùn)練階段需要提供大量的語(yǔ)音數(shù)據(jù)，通過反復(fù)計(jì)算才能得到模型參數(shù)，而DTW算法的訓(xùn)練中幾乎不需要額外的計(jì)算。所以在孤立詞語(yǔ)音識(shí)別中，DTW算法仍得到廣泛的應(yīng)用。本系統(tǒng)就采用了該算法。

　　系統(tǒng)概述

　　語(yǔ)音識(shí)別系統(tǒng)的典型實(shí)現(xiàn)方案如圖1所示。輸入的模擬語(yǔ)音信號(hào)首先要進(jìn)行預(yù)處理，包括預(yù)濾波、采樣和量化、加窗、斷點(diǎn)檢測(cè)、預(yù)加重等。語(yǔ)音信號(hào)經(jīng)過預(yù)處理后，接下來重要的一環(huán)就是特征參數(shù)提取，其目的是從語(yǔ)音波形中提取出隨時(shí)間變化的語(yǔ)音特征序列。然后建立聲學(xué)模型，在識(shí)別的時(shí)候?qū)⑤斎氲恼Z(yǔ)音特征同聲學(xué)模型進(jìn)行比較，得到最佳的識(shí)別結(jié)果。

　　硬件構(gòu)成

　　系統(tǒng)構(gòu)成

　　這里采用DSP芯片為核心(圖2)，系統(tǒng)包括直接雙訪問快速SRAM、一路AlDC／一路DAC及相應(yīng)的模擬信號(hào)放大器和抗混疊濾波器。外部只需擴(kuò)展FLASH存儲(chǔ)器、電源模塊等少量電路即可構(gòu)成完整系統(tǒng)應(yīng)用。

　　系統(tǒng)主要功能模塊構(gòu)成

　　語(yǔ)音處理模塊采用TI TMS320VC5402，其主要特點(diǎn)包括：采用改進(jìn)的哈佛結(jié)構(gòu)，一條程序總線(PB)，三條數(shù)據(jù)總線(CB，DB，EB)和四條地址總線(PAB，CAB，DAB，EAB)，帶有專用硬件邏輯CPU(40位算術(shù)邏輯單元(ALU)，包括1個(gè)40位桶形移位器和二個(gè)40位累加器；一個(gè)17×17乘法器和一個(gè)40位專用加法器，允許16位帶或不帶符號(hào)的乘法)，片內(nèi)存儲(chǔ)器(八個(gè)輔助寄存器及一個(gè)軟件棧)，片內(nèi)外專用的指令集，允許使用業(yè)界最先進(jìn)的定點(diǎn)DSP C語(yǔ)言編譯器。TMS320VC5402含4 KB的片內(nèi)ROM和16 KB的雙存取RAM，一個(gè)HPI(HostPortInterface)接口，二個(gè)多通道緩沖單口MCBSP(Multi-Channel Buffered SerialPort)，單周期指令執(zhí)行時(shí)間10 ns，帶有符合IEEE1149.1標(biāo)準(zhǔn)的JTAG邊界掃描仿真邏輯。

　　語(yǔ)音輸入、輸出的模擬前端采用TI公司的TLC320AD50C，它是一款集成ADC和DAC于一體的模擬接口電路，并且與DSP接口簡(jiǎn)單，性能高、功耗低，已成為當(dāng)前語(yǔ)音處理的主流產(chǎn)品。16位數(shù)據(jù)結(jié)構(gòu)，音頻采樣頻率為2～22.05 kHz，內(nèi)含抗混疊濾波器和重構(gòu)濾波器的模擬接口芯片，還有一個(gè)能與許多DSP芯片相連的同步串行通信接口。

　　片內(nèi)還包括一個(gè)定時(shí)器(調(diào)整采樣率和幀同步延時(shí))和控制器(調(diào)整編程放大增益、鎖相環(huán)PLL、主從模式)。TLCC320AD50C與TMS320VC5402的硬件連接，如圖3所示。

　　語(yǔ)音識(shí)別算法實(shí)現(xiàn)

　　語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)

　　語(yǔ)音的端點(diǎn)檢測(cè)是語(yǔ)音識(shí)別中最基本的模塊，在嵌入式語(yǔ)音識(shí)別系統(tǒng)中更是占有非常重要的地位：一方面端點(diǎn)檢測(cè)的結(jié)果不準(zhǔn)確，系統(tǒng)的識(shí)別性能就得不到保證；另一方面如果端點(diǎn)檢測(cè)的結(jié)果過于放松，雖然語(yǔ)音部分被很好地包含在處理的信號(hào)中，但是增加過多的靜音則會(huì)增加系統(tǒng)的運(yùn)算量，同時(shí)對(duì)識(shí)別性能也有負(fù)面影響。因此為能量和過零率兩個(gè)參數(shù)分別設(shè)定兩個(gè)門限，一個(gè)是比較低的門限，數(shù)值比較小，對(duì)信號(hào)的變化比較敏感，很容易就被超過。另一個(gè)是比較高的門限，數(shù)值比較大，信號(hào)必須達(dá)到一定的強(qiáng)度，該門限才可能被超過：低門限被超過未必就是語(yǔ)音的開始，有可能是時(shí)間很短的噪聲引起的。高門限被超過，則基本確信是由于語(yǔ)音信號(hào)引起的。