基于DSP+FPGA的機(jī)器人語(yǔ)音識(shí)別系統(tǒng)的設(shè)計(jì)
加入技術(shù)交流群
3．3．1 語(yǔ)音信號(hào)的預(yù)加重和加窗
預(yù)加重處理主要是去除聲門激勵(lì)和口鼻輻射的影響，預(yù)加重?cái)?shù)字濾波H(Z)=1一KZ-1，其中是為預(yù)加重系數(shù)，接近1，本系統(tǒng)中k取0．95。對(duì)語(yǔ)音序列X(n)進(jìn)行預(yù)加重，得到預(yù)加重后的語(yǔ)音序列x(n)：x(n)=X(n)一kX(n一1) (1)
系統(tǒng)采用一個(gè)有限長(zhǎng)度的漢明窗在語(yǔ)音序列上進(jìn)行滑動(dòng)，用以截取幀長(zhǎng)為20 ms，幀移設(shè)為10 ms的語(yǔ)音信號(hào)，采用漢明窗可以有效減少信號(hào)特征的丟失。
3．3．2 端點(diǎn)檢測(cè)
端點(diǎn)檢測(cè)在詞與詞之間有足夠時(shí)間間隙的情況下檢測(cè)出詞的首末點(diǎn)，一般采用檢測(cè)短時(shí)能量分布，方程為：
其中，x(n)為漢明窗截取語(yǔ)音序列，序列長(zhǎng)度為160，所以N取160，為對(duì)于無(wú)音信號(hào)E(n)很小，而對(duì)于有音信號(hào)E(n)會(huì)迅速增大為某一數(shù)值，由此可以區(qū)分詞的起始點(diǎn)和結(jié)束點(diǎn)。
3．3．3特征向量提取
特征向量是提取語(yǔ)音信號(hào)中的有效信息，用于進(jìn)一步的分析處理。目前常用的特征參數(shù)包括線性預(yù)測(cè)倒譜系數(shù)LPCC、美爾倒譜系數(shù)MFCC等。語(yǔ)音信號(hào)特征向量采用Mel頻率倒譜系數(shù)MFCC(Mel Frequency Cepstrum Coeficient的提取，MFCC參數(shù)是基于人的聽(tīng)覺(jué)特性的，他利用人聽(tīng)覺(jué)的臨界帶效應(yīng)，采用MEL倒譜分析技術(shù)對(duì)語(yǔ)音信號(hào)處理得到MEL倒譜系數(shù)矢量序列，用MEL倒譜系數(shù)表示輸入語(yǔ)音的頻譜。在語(yǔ)音頻譜范圍內(nèi)設(shè)置若干個(gè)具有三角形或正弦形濾波特性的帶通濾波器，然后將語(yǔ)音能量譜通過(guò)該濾波器組，求各個(gè)濾波器輸出，對(duì)其取對(duì)數(shù)，并做離散余弦變換(DCT)，即可得到MFCC系數(shù)。MFCC系數(shù)的變換式可簡(jiǎn)化為：
其中，i為三角濾波器的個(gè)數(shù)，本系統(tǒng)選P為16，F(xiàn)(k)為各個(gè)濾波器的輸出數(shù)據(jù)，M為數(shù)據(jù)長(zhǎng)度。
3．3．4 語(yǔ)音信號(hào)的模式匹配和訓(xùn)練
模型訓(xùn)練即將特征向量進(jìn)行訓(xùn)練建立模板，模式匹配即將當(dāng)前特征向量與語(yǔ)音庫(kù)中的模板進(jìn)行匹配得出結(jié)果。語(yǔ)音庫(kù)的模式匹配和訓(xùn)練采用隱馬爾可夫模型HMM (Hidden Markov Models)，他是一種統(tǒng)計(jì)隨機(jī)過(guò)程統(tǒng)計(jì)特性的概率模型一個(gè)雙重隨機(jī)過(guò)程，因?yàn)殡[馬爾可夫模型能夠很好地描述語(yǔ)音信號(hào)的非平穩(wěn)性和可變性，因此得到廣泛的使用。
HMM的基本算法有3種：Viterbi算法，前向一后向算法，Baum-Welch算法。本次設(shè)計(jì)使用Viterbi算法進(jìn)行狀態(tài)判別，將采集語(yǔ)音的特征向量與語(yǔ)音庫(kù)的模型進(jìn)行模式匹配。Baum-Welch算法用來(lái)解決語(yǔ)音信號(hào)的訓(xùn)練，由于模型的觀測(cè)特征是幀間獨(dú)立的，從而可以使用Baum- Welch算法進(jìn)行HMM模型的訓(xùn)練。
3．4 語(yǔ)音識(shí)別程序的DSP開發(fā)
DSP的開發(fā)環(huán)境為CCS3．1及。DSP／BIOS，將語(yǔ)音識(shí)別和訓(xùn)練程序分別做成模塊，定義為不同的函數(shù)，在程序中調(diào)用。定義語(yǔ)音識(shí)別器函數(shù)為int Recognizer(int Micin)，識(shí)別結(jié)果輸出函數(shù)為int Result(void)，語(yǔ)音訓(xùn)練器函數(shù)為int Train(int Tmode，int Audiod)，動(dòng)作指令輸入函數(shù)為int Keyin(int Action)。
語(yǔ)音識(shí)別器的作用是將當(dāng)前語(yǔ)音輸入變換成語(yǔ)音特征向量，并對(duì)語(yǔ)音庫(kù)的模板進(jìn)行匹配并輸出結(jié)果，語(yǔ)音應(yīng)答輸出函數(shù)將獲取的語(yǔ)音識(shí)別結(jié)果對(duì)應(yīng)的語(yǔ)音應(yīng)答輸出，語(yǔ)音訓(xùn)練是將多個(gè)不同年齡、不同性別、不同口音的人語(yǔ)音指令輸入轉(zhuǎn)化為訓(xùn)練庫(kù)的模板。為防止樣本錯(cuò)誤，每個(gè)人的語(yǔ)音指令需要訓(xùn)練2次，對(duì)于2次輸入用用歐氏距離去進(jìn)行模式匹配，若2次輸入相似度達(dá)到95％，則加入樣本集。語(yǔ)音應(yīng)答輸入函數(shù)是為每個(gè)語(yǔ)音庫(kù)中模板輸入對(duì)立的語(yǔ)音輸出，以達(dá)到語(yǔ)言應(yīng)答目的。系統(tǒng)工作狀態(tài)為執(zhí)行語(yǔ)言識(shí)別子程序，訓(xùn)練時(shí)執(zhí)行外部中斷，執(zhí)行訓(xùn)練函數(shù)，取得數(shù)據(jù)庫(kù)模板，訓(xùn)練完畢返回。程序框圖如圖3所示。
本文引用地址：http://butianyuan.cn/article/151217.htm
評(píng)論