基于DSP的語(yǔ)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(yǔ)音識(shí)別系統(tǒng)，主要通過(guò)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(yǔ)的語(yǔ)音識(shí)別。系統(tǒng)由 TMS320VC5509A 芯片控制和TLV320AD50對(duì)原始語(yǔ)音進(jìn)行采樣和A/D轉(zhuǎn)換，內(nèi)部存儲(chǔ)器用來(lái)存放程序數(shù)據(jù)，外部存儲(chǔ)器用來(lái)存放各種語(yǔ)音數(shù)據(jù)。

關(guān)鍵詞：語(yǔ)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(yǔ)音識(shí)別系統(tǒng)在越來(lái)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(yǔ)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(yǔ)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(guò)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(yǔ)音識(shí)別的實(shí)現(xiàn)流程

語(yǔ)音識(shí)別主要包括五個(gè)步驟。首先人口命令的模擬的語(yǔ)音信號(hào)輸入，通過(guò)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(yǔ)音信號(hào)中找出來(lái)，提取了指定的語(yǔ)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(yǔ)音識(shí)別系統(tǒng)[1]的實(shí)現(xiàn)過(guò)程如圖1所示。

3 系統(tǒng)的硬件設(shè)計(jì)

本語(yǔ)音識(shí)別系統(tǒng)以TI公司TMS320VC5509A DSP為核心用來(lái)處理各種數(shù)據(jù)和程序，對(duì)原始語(yǔ)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(yǔ)音數(shù)據(jù)寄存在外部存儲(chǔ)器。這種基于DSP的語(yǔ)音識(shí)別系統(tǒng)比傳統(tǒng)的語(yǔ)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(kāi)始就選用DSP開(kāi)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(yǔ)音系統(tǒng)采用雙門限法來(lái)檢測(cè)端點(diǎn)，清音過(guò)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(guò)零率超過(guò)低門限，表示信號(hào)進(jìn)入過(guò)渡區(qū)，信號(hào)開(kāi)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(yǔ)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(guò)零率。實(shí)驗(yàn)中用某一語(yǔ)音在矩形窗條件下求得的短時(shí)能量和短時(shí)平均過(guò)零率。由此看出：清音的短時(shí)能量較低，過(guò)零率高，濁音的短時(shí)能量較高，過(guò)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(yǔ)音信號(hào)處理中，MFCC的計(jì)算過(guò)程較復(fù)雜，具體的計(jì)算過(guò)程：

（1）首先確定一幀語(yǔ)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(guò)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(yǔ)

系統(tǒng)最終在編程上實(shí)現(xiàn)了個(gè)別個(gè)體的特定語(yǔ)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(guò)驗(yàn)證并且得到預(yù)想的結(jié)果。整個(gè)語(yǔ)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(yǔ)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(yǔ)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(lè).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(wàn).基于語(yǔ)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