基于DSP的語音識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)

鐘穎

摘要：本文介紹了基于DSP TMS320VC5509A的語音識(shí)別系統(tǒng)，主要通過采用DTW算法，初步研究和探討在MATLAB軟件環(huán)境下實(shí)現(xiàn)孤立詞語的語音識(shí)別。系統(tǒng)由 TMS320VC5509A 芯片控制和TLV320AD50對(duì)原始語音進(jìn)行采樣和A/D轉(zhuǎn)換，內(nèi)部存儲(chǔ)器用來存放程序數(shù)據(jù)，外部存儲(chǔ)器用來存放各種語音數(shù)據(jù)。

關(guān)鍵詞：語音識(shí)別；DSP；Mel頻率倒譜系數(shù)（MFCC）；動(dòng)態(tài)時(shí)間規(guī)整（DTW）

中圖分類號(hào)：TN912.34 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）05-0048-02

1 概述

伴隨科技進(jìn)步，語音識(shí)別系統(tǒng)在越來越多的領(lǐng)域得到了廣泛的應(yīng)用。本文主要是研究基于DSP的特定人、小詞匯量語音識(shí)別系統(tǒng)，提出更為優(yōu)化和快速計(jì)算的算法，采用DSP芯片TMS320VC5509A 控制和TLV320AD50對(duì)原始語音進(jìn)行采樣和A/D轉(zhuǎn)換，目的是研究出能識(shí)別人話的機(jī)器，通過接受人話口呼命令，掌握人發(fā)出的指令，從而做出指令要求的反映。

2 語音識(shí)別的實(shí)現(xiàn)流程

語音識(shí)別主要包括五個(gè)步驟。首先人口命令的模擬的語音信號(hào)輸入，通過A/D轉(zhuǎn)換后變成數(shù)字信號(hào)，但這時(shí)信號(hào)很難被直接識(shí)別，需要對(duì)信號(hào)進(jìn)行特征提取，端點(diǎn)檢測(cè)在分析處理之前把要分析的部分從語音信號(hào)中找出來，提取了指定的語音信號(hào)特征參數(shù)后進(jìn)行模式匹配，最后進(jìn)行后處理，也就是對(duì)匹配節(jié)后的響應(yīng)。一個(gè)典型語音識(shí)別系統(tǒng)[1]的實(shí)現(xiàn)過程如圖1所示。

3 系統(tǒng)的硬件設(shè)計(jì)

本語音識(shí)別系統(tǒng)以TI公司TMS320VC5509A DSP為核心用來處理各種數(shù)據(jù)和程序，對(duì)原始語音進(jìn)行采樣和A/D轉(zhuǎn)換，程序寄存在內(nèi)部存儲(chǔ)器，語音數(shù)據(jù)寄存在外部存儲(chǔ)器。這種基于DSP的語音識(shí)別系統(tǒng)比傳統(tǒng)的語音實(shí)時(shí)性強(qiáng)，功能好，而重要的是可以移植到手機(jī)手持設(shè)備中，這也是本系統(tǒng)設(shè)計(jì)開始就選用DSP開發(fā)板的原因。

4 系統(tǒng)的軟件實(shí)現(xiàn)

程序設(shè)計(jì)流圖如圖2所示。

4.1 端點(diǎn)檢測(cè)

本語音系統(tǒng)采用雙門限法來檢測(cè)端點(diǎn)，清音過零率檢測(cè)，濁音用短時(shí)能量。首先分別確定一個(gè)較低的、數(shù)值小的門限，和另一個(gè)較高的、數(shù)值大的門限。靜音段，如果連續(xù)幾個(gè)幀的過零率超過低門限，表示信號(hào)進(jìn)入過渡區(qū)，信號(hào)開始。當(dāng)兩個(gè)參數(shù)值低于低門限以下，則表示信號(hào)進(jìn)入靜音區(qū)，信號(hào)結(jié)束。當(dāng)兩個(gè)參數(shù)值高于高門限，則進(jìn)入到語音段。當(dāng)降低到門限以下，則認(rèn)為是噪音，繼續(xù)掃描，標(biāo)記好結(jié)束端點(diǎn)。

（1）短時(shí)平均能量和幅度。分別比較矩形窗和hamming窗長(zhǎng)的短時(shí)能量函數(shù)，得出如下結(jié)論：不同的窗函數(shù)以及相應(yīng)窗的長(zhǎng)短均有影響。矩形窗的效果比hamming窗要差一些。如圖3圖4所示。

（2）短時(shí)平均過零率。實(shí)驗(yàn)中用某一語音在矩形窗條件下求得的短時(shí)能量和短時(shí)平均過零率。由此看出：清音的短時(shí)能量較低，過零率高，濁音的短時(shí)能量較高，過零率低。如圖5所示。

4.2 特征提取

本系統(tǒng)選擇MFCC（Mel倒譜參）作為基本識(shí)別參數(shù)。Mel刻度根據(jù)主觀音高均勻劃分，與線性頻率關(guān)系[2]為：

（4-1）

在實(shí)際語音信號(hào)處理中，MFCC的計(jì)算過程較復(fù)雜，具體的計(jì)算過程：

（1）首先確定一幀語音信號(hào)的樣點(diǎn)數(shù)N，本系統(tǒng)N=212點(diǎn)。

（2）計(jì)算S（n）通過每一個(gè)三角形濾波器的輸出，得到M個(gè)參數(shù)h（m）。

m=1，2......M （4-2）

（3）對(duì)所有濾波器輸出進(jìn)行對(duì)數(shù)運(yùn)算，再進(jìn)一步進(jìn)行離散余弦變換（DCT）。i=1……16。

（4-3）

5 結(jié)語

系統(tǒng)最終在編程上實(shí)現(xiàn)了個(gè)別個(gè)體的特定語音的識(shí)別，基本上達(dá)到了預(yù)定的目標(biāo)，識(shí)別所用各種算法經(jīng)過驗(yàn)證并且得到預(yù)想的結(jié)果。整個(gè)語音系統(tǒng)在硬件平臺(tái)DSP上實(shí)現(xiàn)，由此可以根據(jù)各個(gè)硬件的特點(diǎn)和社會(huì)的需要，設(shè)計(jì)出多種多樣的語音識(shí)別設(shè)備。

參考文獻(xiàn)

[1]蔡蓮紅，黃德智，蔡銳編著.現(xiàn)代語音技術(shù)基礎(chǔ)與應(yīng)用[M].北京：清華大學(xué)出版社，2003.

[2]林坤輝，息曉靜，周昌樂.基于HMM與神經(jīng)網(wǎng)絡(luò)的聲學(xué)模型研究[M].廈門：廈門大學(xué)學(xué)報(bào)（自然科學(xué)版），2006.

[3]陳立萬.基于語音識(shí)別系統(tǒng)中DTW算法改進(jìn)技術(shù)研究[D].微計(jì)算機(jī)信息，2006.

[4]安鎮(zhèn)宙，楊鑒，王紅，余映.一種新的基于并行分段剪裁的DTW算法[C].計(jì)算機(jī)工程與應(yīng)用，2007.endprint