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個樣點的每一幀，或在K個參數(shù)的每一參數(shù)幀，構(gòu)成K維空間中的一個矢量，然后對矢量進行量化。量化時，將K維無限空間劃分為M個區(qū)域邊界，然后將輸入矢量與這些邊界進行比較，并被量化為“距離”最小的區(qū)域邊界的中心矢量值。
一個VO編碼器往往擁有一個或多個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，VO編碼器將待識別語音的特征矢量與碼書中的每個矢量進行失真測度運算，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算法來計算所有觀察序列的輸出概率，然后對其進行累加，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://butianyuan.cn/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，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算，減少計算量，同時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 實驗結(jié)果及分析
系統(tǒng)選取500字的詞表，詞長不大于5；在進行識別前，對每個待識別的詞進行訓(xùn)練，參加訓(xùn)練人數(shù)為30，其中男性20人，女性10人。實驗選取30個人，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％，識別時間在0．7 s左右；具有較高的識別率和較好的實時性。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)運行穩(wěn)定、可靠，其識別率及實時性均滿足使用要求，同時還具有存儲容量大、運算速度快的特點，為軟件運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