基于DSP的语音识别系统的研究与设计
- 格式：pdf
- 大小：1.12 MB
- 文档页数：3
邮局订阅号：８２－９４６３６０元／年技术创新ＤＳＰ开发与应用《ＰＬＣ技术应用２００例》您的论文得到两院院士关注基于ＤＳＰ的语音识别系统的研究与设计ＲｅｓｅａｒｃｈａｎｄＤｅｓｉｇｎｏｆＳｐｅｅｃｈＲｅｃｏｇｎｉｔｉｏｎＳｙｓｔｅｍＢａｓｅｄｏｎＤＳＰ（１．沈阳建筑大学信息与控制工程学院；２．沈阳建筑大学城市建设学院）马斌１郭莉莉２韩中华１戴敬１ＭＡＢｉｎＧＵＯＬｉ－ｌｉＨＡＮＺｈｏｎｇ－ｈｕａＤＡＩＪｉｎｇ摘要：针对在ＰＣ机上实现的语音识别系统具有运行费用高、功耗大和体积大的问题，本文提出了以ＴＭＳ３２０ＶＣ５５０９低功耗芯片为核心的语音识别系统方案，设计了系统的硬件结构，研究语音信号的特征提取和编码，建立前向－后向隐马尔可夫（ＨＭＭ）模型，实现孤立词的语音识别。
该系统具有运行费用低、功耗小和占用空间小的特点。
关键词：ＤＳＰ；语音识别系统；语音编码；隐马尔可夫（ＨＭＭ）模型中图分类号：ＴＰ１３文献标识码：ＡＡｂｓｔｒａｃｔ：ＩｎｖｉｅｗｏｆｔｈｅｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｗｈｉｃｈｒｅａｌｉｚｅｓｏｎＰＣｍａｃｈｉｎｅｈａｓｔｈｅｐｒｏｂｌｅｍｓｏｆｔｈｅｏｐｅｒａｔｉｎｇｃｏｓｔｉｓｈｉｇｈ，ｔｈｅｐｏｗｅｒｌｏｓｓａｎｄｔｈｅｖｏｌｕｍｅａｒｅｂｉｇ．ＴｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎｔｈｅｌｏｗｐｏｗｅｒｌｏｓｓｃｈｉｐＴＭＳ３２０ＶＣ５５０９，ｄｅｓｉｇｎｅｓｔｈｅｓｙｓｔｅｍ’ｓｈａｒｄｗａｒｅａｒｃｈｉｔｅｃｔｕｒｅ，ｒｅｓｅａｒｃｈｅｓｔｈｅｅｘｔｒａｃｔｉｎｇｏｆａｃｏｕｓｔｉｃｆｅａｔｕｒｅｓａｎｄｓｐｅｅｃｈｃｏｄｉｎｇ，ｓｅｔｓｕｐｔｈｅＵｐ－ＢａｃｋＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ（ＨＭＭ）ｔｏｒｅａｌｉｚｅｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎｆｏｒｓｍａｌｌｖｏｃａｂｕｌａｒｙ．Ｔｈｉｓｓｙｓｔｅｍｈａｓａｄｖａｎｔａｇｅｓｏｆｏｐ－ｅｒａｔｉｎｇｃｏｓｔｉｓｌｏｗａｎｄｔｈｅｐｏｗｅｒｌｏｓｓａｎｄｔｈｅｖｏｌｕｍｅａｒｅｓｍａｌｌ．Ｋｅｙｗｏｒｄｓ：ＤＳＰ；ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍ；ｓｐｅｅｃｈｃｏｄｉｎｇ；ＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ（ＨＭＭ）文章编号：１００８－０５７０（２００８）０８－２－０１９７－０３引言语言是人类互相间进行通信的最自然和最方便的形式，语音通信是一种理想的人机通信方式。
语音识别是建立计算机“听觉”系统的一个基础，使人和机器之间通过自然的声音交流成为可能。
语音识别可以在工业自动化控制、军事、司法鉴定、公安、保密通信以及人工智能等方面都有着广泛的应用。
目前的语音识别在理论上和实验室条件下达到了比较高的识别精度，但是很多语音识别算法都是在上ＰＣ机实现的。
以ＤＳＰ为核心的系统平台可以实现实时语音处理算法，并且在费用、功耗和体积等方面有着ＰＣ机所没有的优点，具有很好的应用前景。
本文结合信号预处理，特征提取，语音编码和智能算法，设计一个低功耗、高可靠性、低成本的语音识别系统。
实现一种自然的人机交互方式，使机器能听懂人的语言，辨明话音内容，将人的语音正确地转化为对应的文本信息，或者根据语义做出相应的动作。
１概述语音识别的基本过程是将原始语音经过预处理以后，提取必要的特征，再与事先经过人们测试和训练后得到的存储到计算机的标准参考模型进行比较，最后得出判定和识别结果。
本系统的结构如图１所示。
（１）预处理：对声源信号进行抗混叠滤波、Ａ／Ｄ转换、预加重及端点检测等内容，以获得比较理想的处理信息对象。
（２）特征提取：从语音波形中提取出随时间变化的能够反映原始语音特征的矢量序列。
（３）语音训练：建立声学模型，将获取的语音特征通过必要学习算法产生。
（４）模式匹配：在识别时将输入的语音特征同声学模型进行比较，得到识别结果。
２系统的硬件设计设计的语音识别系统以ＴＩ公司的ＴＭＳ３２０ＶＣ５５０９为核心，包含ＦＰＧＡ、Ａ／Ｄ转换器、外部存储器等扩展器件。
其硬件结构如图２所示。
模拟音频信号输入Ａ／Ｄ转换器进行音频信号的模拟／数字转换，得到一串数字信号利用ＤＳＰ进行特征提取、压缩编码、ＨＭＭ识别。
采用ＦＰＧＡ对数据流程进行控制，以及对ＬＣＤ显示屏初始化检测设置。
２．１ＤＳＰ芯片ＴＭＳ３２０ＶＣ５５０９ＤＳＰ是整个硬件系统信号处理的中心，其主要功能是接收来自Ａ／Ｄ的数据，完成语音训练及语音识别。
ＴＭＳ３２０ＶＣ５５０９是ＴＩ公司ＴＭＳ３２０Ｃ５５ｘ系列产品，为１６位定点ＤＳＰ，采用改进的哈佛结构，供电电压３．３Ｖ，提供了６４Ｋｂ的片内ＲＡＭ，６Ｋｂ的片内ＲＯＭ，低功耗；有一个时分复用串口马斌：教授基金项目：“基于智能Ａｇｅｎｔ技术的住宅无线网络应用研究”辽宁省教育厅项目（２００６０７００）１９７－－技术创新中文核心期刊《微计算机信息》（嵌入式与ＳＯＣ）２００８年第２４卷第８－２期３６０元／年邮局订阅号：８２－９４６《现场总线技术应用２００例》ＤＳＰ开发与应用ＴＤＭ和２个带缓冲区的标准串口ＢＳＰ；指令周期为１０ｎｓ，即运算速度高达１００ＭＩＰＳ；具有管理中断、循环运算和功能调用的控制结构。
２．２语音输入Ａ／Ｄ芯片ＴＬＣ３２０ＡＤ５０（以下简称ＡＤ５０）是一款ＳＩＧＭＡ－ＤＥＬＴＡ型单片音频接口芯片，完成模数转换，将转换后的数据传给ＤＳＰ进行处理。
ＡＤ５０的模拟部分是５Ｖ供电，数字部分采用３．３Ｖ供电。
由ＤＳＰ提供Ａ／Ｄ转换器采样的位同步信号、帧同步信号、数据位时钟信号。
连接图如图３。
２．３其他功能模块的选择（１）Ｅ２ＰＲＯＭ是用来存放ＤＳＰ程序和初始化所需的数据，ＲＡＭ用于程序执行和数据的暂存，ＦＬＡＳＨ用于存放训练样本库。
（２）ＦＰＧＡ选用Ａｌｔｅｒａ公司的ＣｙｃｌｏｎｅＩＩ。
用来对液晶显示器ＬＣＤ的控制以及对数据的存取传送的控制。
通过ＦＰＧＡ对ＤＳＰ芯片的ＰＳ、ＤＳ、ＩＳ、Ｒ／Ｗ、ＭＳＴＲＢ、ＩＯＳＴＲＢ等信号进行译码可实现程序存储器、数据存储器和ＩＯ空间的扩展。
（３）ＪＴＡＧ（ＪｏｉｎｔＴｅｓｔＡｃｃｅｓｓＧｒｏｕｐ），即边界扫描系统，可以对ＤＳＰ和ＦＰＧＡ片上的各引脚逻辑值进行扫描和测试，片内的各种资源都能通过ＪＴＡＧ口进行访问，包括各寄存器，ＲＯＭ，ＲＡＭ，各片内外设等，还可通过ＪＴＡＧ口下载程序进行系统调试，功能很强大。
３系统的算法实现语音识别的过程中涉及的几个主要算法包括特征提取、音频数据的压缩编码、建立ＨＭＭ模型等。
将训练程序和识别程序分别作成模块，定义为不同的函数，在程序中调用。
采用Ｃ语言和汇编语言混合方式编程。
图４是语音识别算法的流程图。
３．１端点检测在孤立词识别中，确定单词语音信号的开始和终止可以减少计算量；连续语音识别中识别基元（字词、音节、声韵母）的切分，可用于语音数据库训练。
主要是根据语音的一些特征参数（如能量、过零率、ＬＰＣ预测残差等）完成端点检测，其中较为经典的是利用能量和过零率进行清音／噪音／浊音判别，从而完成端点检测。
方法：在判定语音信号开始后，对输入的语音的每个语音帧实时进行特征提取，并计算该帧语音的短时能量、基音频率及短时低频能量等端点参数。
在判定语音结束后，先根据保存的语音端点检测参数，在语音开始及结束后的值动态设定阈值，再利用表征浊音特征的短时低频能量寻找浊音段，最后利用短时能量和基音频率向两端扩展搜索语音精确端点。
３．２特征提取分析特征提取是语音识别的关键问题。
常用的特征包括：基音周期、共振峰、基于声道的线性预测倒谱系数（ｌｉｎｅａｒｐｒｅｄｉｃｔｉｖｅｃｅｓｐｔｒａｌｃｏｒｆｆｉｃｉｅｎｔｓ，ＬＰＣＣ）、基于听觉特性的Ｍｅｌ频率倒谱系数（ｍｅｌ－ｆｒｅｑｕｅｎｃｙｃｅｓｐｔｒａｌｃｏｅｆｆｉｃｉｅｎｔｓ，ＭＦＣＣ）、基音轮廓特征、一阶和二阶差分倒谱等。
其中，ＭＦＣＣ用于孤立词识别效果比较好。
根据系统综合性能的考虑，我们选择ＭＦＣＣ作为特征提取的参数。
ＭＦＣＣ特征提取及计算过程：①将语音信号进行分帧、预加重和加汉明窗处理，然后进行短时傅里叶变换得到其频谱。
②求出频谱平方，并用Ｍ个Ｍｅｌ带通滤波器进行滤波，并将每个滤波器频带内的能量进行叠加，则第ｋ个滤波器输出功率谱为。
③将每个滤波器的输出取对数，得到相应频带的对数功率离谱；并进行反离散余弦变换，得到Ｌ个ＭＦＣＣ系数，一般Ｌ取１２￣１６个左右。
ＭＦＣＣ系数为：，１，２，…，Ｌ。
（１）３．３音频数据编解码语音编码是系统识别率高低的关键问题。
本系统采用自适应预测编码（ＡＰＣ）。
假定一个语音样本ｓ（ｎ）可以近似地被它过去的样本的线性组合所预测，预测样本值（２）式中，称预测系数，是预测的阶数。
令表示实际值与预测值的误差。
（３）即线性预测误差，也被称作线性预测残差。
对式（３）两边取变换后有（４）式中（５）因此，语音信号通过一个全零点的滤波器，就得到了。
可以设想，如式（２）预测效果很好的话，预测残差的幅度变化范围和平均能量必定比原来的语音信号要小，如果对残差序列进行量化和编码，在同样信号量化噪声比条件下，所需的量化比特数就可以减少，从而达到压缩编码的目的。
图５显示了一个基本的ＡＰＣ系统，其中，预测器，量化器也可以采用自适应量化。
３．４ＨＭＭ模型的建立ＨＭＭ在系统的识别过程中起着十分重要的作用。
它是一种基于转移概率和输出概率的随机模型，它把语音看成由可观测到的符号序列组成的随机过程，符号序列则是发生系统状态１９８－－邮局订阅号：８２－９４６３６０元／年技术创新ＤＳＰ开发与应用《ＰＬＣ技术应用２００例》您的论文得到两院院士关注序列的输出。
在使用ＨＭＭ识别时，建立发生模型，通过训练得到状态转移概率矩阵和符号输出概率矩阵。
识别时，计算未知语音在状态转移过程中的最大概率，根据最大概率对应的模型进行判决。
采用前向－后向ＨＭＭ，ＨＭＭ不需要时间规整，可节省判决时的计算时间和存储量。
ＨＭＭ参数可以定义为：（６）其中为状态转移概率集合，１，２，…，，表示从状态转移到状态的概率分布，，其中为第个ＨＭＭ状态，为状态总数，为观察时间；为观察序列号的标号输出矩阵，１，２，…，，，其中为第个隐马尔柯夫的状态，它表示在状态时观察序列的标号的概率分布，为第个离散观察值，１，２，…，为观察值可取的标号总数：为初始状态概率集合，，１，２，…，。
本系统中ＨＭＭ的建模过程为：①根据初始状态分布概率，选择一个初始状态，置观察时间＝１；②根据观察序列概率，得到在状态下观察标号的分布概率；③根据状态的转移概率，由时刻的状态转移到时刻的状态转移概率分布，确定下一个状态，并置；④如果，则返回到②，否则停止。
３．５系统软件实现本系统采用了ＴＩ公司提供的集成开发环境ＣＣＳ２．０（ＣｏｄｅＣｏｍｐｏｓｅｒＳｔｕｄｉｏ）。
