ADSP-BF531在嵌入式語音識別系統(tǒng)中的應(yīng)用
加入技術(shù)交流群
3．2．2 矢量量化
矢量量化(VQ，Vector Quantization)是一種重要的信號壓縮方法，其過程是：將語音信號波形的K個(gè)樣點(diǎn)的每一幀，或在K個(gè)參數(shù)的每一參數(shù)幀，構(gòu)成K維空間中的一個(gè)矢量，然后對矢量進(jìn)行量化。量化時(shí)，將K維無限空間劃分為M個(gè)區(qū)域邊界，然后將輸入矢量與這些邊界進(jìn)行比較，并被量化為“距離”最小的區(qū)域邊界的中心矢量值。
一個(gè)VO編碼器往往擁有一個(gè)或多個(gè)由具有代表意義的矢量組成的集合，稱為“碼本”(本系統(tǒng)中碼本大小為256)，其中每個(gè)矢量稱為“碼矢量”。在語音識別中，訓(xùn)練用的語音特征通過聚類的方法形成碼書；識別時(shí)，VO編碼器將待識別語音的特征矢量與碼書中的每個(gè)矢量進(jìn)行失真測度運(yùn)算，最小的失真測度所對應(yīng)的碼字的標(biāo)號代替輸入矢量。
3．2．3 HMM模型建立及訓(xùn)練過程
本系統(tǒng)選擇尤跨越的從左向有的HMM模型，狀態(tài)數(shù)取6。訓(xùn)練過程中利用Baum-Welch算法和Viterbi算法來計(jì)算所有觀察序列的輸出概率，然后對其進(jìn)行累加，得到總輸出慨率，采用前后2次的輸出概率的相對變化小于一定閾值(如：1×10-4)或超過迭代次數(shù)作為訓(xùn)練結(jié)束的判據(jù)。程序流程圖如圖6所示。本文引用地址：http://www.104case.com/article/148467.htm
3．2．4 語音識別
語音識別的過程即是用Viterbi算法將經(jīng)將輸入的矢量量化后的語音與模型庫中的參考模板進(jìn)行匹配。
Viterbi算法是一種前向搜索算法，其可以是在給定相應(yīng)的觀察序列時(shí)，找出從模型λ中找出的最佳狀態(tài)序列，即選擇輸出概率最大的模版作為輸出結(jié)果。對數(shù)形式的Viterbi算法，能夠避免大量的乘法運(yùn)算，減少計(jì)算量，同時(shí)還可以保證有很高的動態(tài)范圍，不會出現(xiàn)由于過多的連乘而導(dǎo)致溢出問題，其算法如下：
4 實(shí)驗(yàn)結(jié)果及分析
系統(tǒng)選取500字的詞表，詞長不大于5；在進(jìn)行識別前，對每個(gè)待識別的詞進(jìn)行訓(xùn)練，參加訓(xùn)練人數(shù)為30，其中男性20人，女性10人。實(shí)驗(yàn)選取30個(gè)人，其中參加訓(xùn)練和未參加訓(xùn)練的各15人，對簡單語音命令、數(shù)字串、字母串進(jìn)行測試(每人反復(fù)測試5次)，結(jié)果如表1所示。
通過以上數(shù)據(jù)可以看出，該系統(tǒng)的對非特定人(包括參加訓(xùn)練和未參加訓(xùn)練)的簡單漢語詞匯、數(shù)字串、字母串等的綜合識別率超過了90％，識別時(shí)間在0．7 s左右；具有較高的識別率和較好的實(shí)時(shí)性。從表中可以看出，未參加訓(xùn)練與參加訓(xùn)練的識別率相差約10％，可以通過在軟件中增加訓(xùn)練樣本量以及完善有關(guān)算法等來進(jìn)一步提高其識別率。
5 結(jié)束語
該嵌入式語音識別系統(tǒng)在以ADSP-BF531為核心的硬件基礎(chǔ)上，成功運(yùn)用DHMM算法完成了對非特定人孤立詞的語音識別。該系統(tǒng)運(yùn)行穩(wěn)定、可靠，其識別率及實(shí)時(shí)性均滿足使用要求，同時(shí)還具有存儲容量大、運(yùn)算速度快的特點(diǎn)，為軟件運(yùn)行留下了充足的裕量，系統(tǒng)后續(xù)的完善和升級較容易實(shí)現(xiàn)。該系統(tǒng)可應(yīng)用于許多特定場合，有很好的市場前景。
評論