支持向量機語音識別算法在OMAP5912上的移植

　　隨著語音識別和語音合成技術的不斷更新與發展，將語音識別技術應用于嵌入式產品中已得到廣泛應用。SVM(支持向量機)作為統汁概率模型已經被證明是一種很好的識別模型。OMAP5912處理器是由TI公司的TMS320C55X型DSP內核與低功耗、增強型ARM926EJ-S微處理器組成的雙核應用處理器。ARM核可滿足控制和接口方面的需要，DSP核以其低功耗高性能來實現多媒體應用。目前存 0MAP平臺上實現的多媒體應用有語音、音頻、圖像、視頻等。在實驗室開發的基于0MAP5912嵌入式語音識別系統上進行基于SVM的語音識別程序開發。

　　1 SVM多類分類方法

　　SVM最初是為處理兩類分類問題而設計的，如何有效地處理多類分類問題目前仍是一個持續研究的課題。采用SVM中的“一對一”方法實現多類分類，下面對這種方法進行簡單介紹。

　　S.Knerr等在1990年首次介紹了“一對一”方法。J.Friedman在1996年和U KreBel在1999年分別首次在支持向量機中使用這種方法。它需要構造k(k-1)/2個分類器，每個分類器由特定的某兩類訓練樣本訓練得到，判定測試樣本的類別時，結合所有兩類分類器對測試樣本類別的判定意見，采用“投票法”的策略，并認為得票數最多(Max Wins)的類別就是測試樣本所屬的類別。具體如下：考慮K類的分類問題，設訓練集

　　首先對所有的(i，j)∈{(i，j)|i≤j，i，j=1，…，K}進行運算：從訓練集

　　約束條件為：

　　通過求解式(3)的最優化問題得到k(k-1)/2個決策函數，如果函數