基于ATK的實時語音識別系統(tǒng)在家庭監(jiān)護機器人中的應用實現(xiàn)

1．2 軟件設計

HTK(Hidden Markov Model Toolkit)是一套專門的建立和處理隱馬可夫模型(HMMs)的實驗工具包，由英國劍橋大學工程系(Cambridge University Engineering Department，CUED)開發(fā)的，主要應用于語音識別領域，也可以應用于語音合成、字符識別和DNA排序等研究領域。HTK經(jīng)過劍橋大學、Entropic公司及Microsoft公司的不斷增強和改進，使其在語音識別領域處于世界領先水平。

基于HTK的語言識別時，識別結(jié)果適用只能顯示在DOS或終端上，而且不利于將結(jié)果保存、移植或者二次開發(fā)利用。在本語音識別系統(tǒng)中使用了HTK接口工具ATK(AnApplication Toolkit for HTK)。ATK是由英國劍橋大學開發(fā)的開源語音識別工具，是對HTK的C++多線程封裝，跟HTK一樣，它支持Linux和Windows，它包括HTK(HTKLib)、AHTK、AGram、ANGram、ADict、AHMMs、AResource、ARMan、ARec、ACode、ASour ce、ATee、AComponent、ABuffer、APacket、Asyn、FLite(SYNLib)、ALog模塊部件。

基于ATK的語音識別軟件應用系統(tǒng)的由語音信號采集模塊、基于DMA的雙向高速RAM存取模塊、ATK語音識別模塊、系統(tǒng)管理模塊、語音輸出模塊等模塊組成，如圖4所示。

在軟件設計中，系統(tǒng)管理模塊主要負責系統(tǒng)的總體管理調(diào)度，是應用系統(tǒng)的調(diào)度中心；語音信號采集模塊主要負責控制數(shù)據(jù)采集芯片TPS 65930；基于DMA的雙向RAM存取模塊主要負責實現(xiàn)DMA驅(qū)動及雙向RAM的讀寫存取，使用了通道1來實現(xiàn)高速地把語音信號采集到的數(shù)據(jù)存儲到RAM上，并使用通道2實現(xiàn)高速地把RAM的數(shù)據(jù)取出來，用于語音的識別；語音輸出模塊主要負責把相應的音頻數(shù)據(jù)送到TPS65930，并控制TPS6 5930對接收到的音頻解碼輸出到功放電路，實現(xiàn)語音輸出的功能。軟件的設計流程圖如圖5所示。

2 語音識別系統(tǒng)實驗及結(jié)果

文中設計的語音識別系統(tǒng)如圖6所示。在實驗中總共進行了3輪話語測試，每輪300句話語測試，其中150句為家庭監(jiān)護機器人需要識別的話語，150句話語為機器人不予置理的無關話語。本系統(tǒng)只設置10個需要識別的話語，由15名學生分別讀音進行測試。同時對無關話語也是由該15名學生，每人10句分別隨機讀音測試。從顯示結(jié)果可以看出，第1輪中，先測試的150句無關話語中，能正確識別出無關話語數(shù)為150句，識別出無關話語率為100％，但對需識別的話語中，正確識別出148句，2句識別出錯，識別率為98．67％；在第2輪中，同樣先測試的150句無關話語中，能正確識別出無關話語數(shù)為150句，識別出為無關話語率為100％，但對需識別的話語中，正確識別出142句，8句識別出錯，識別率為94．67％；在第3輪中，同樣先測試的150句無關話語中，能正確識別出無關話語數(shù)為150句，識別出無關話語率為100％，但對需識別的話語中，正確識別出146句，識別率為97．33％。在3輪測試中，系統(tǒng)都能實時響應所有語句，未出現(xiàn)漏句現(xiàn)象。并且在實驗測試的過程中，系統(tǒng)的響應速度都非?？欤杏^上沒有時間延遲，與真人交流速度相當。

從實驗測試結(jié)果可看出，對于識別10個需要識別的話語的識別率高達94．67％以上，具有較高的識別率，因而該語音識別系統(tǒng)較好達到了家庭監(jiān)護機器人使用的要求。

3 結(jié)論

文中通過DSP、DMA和ARM Cortex-A8的并行處理，利用雙緩沖的方法，在嵌入式Linux上實現(xiàn)了基于ATK的實時語音識別系統(tǒng)。該系統(tǒng)可以實時地實現(xiàn)語音識別，具有較高識別率，較快的響應速度?？梢詰迷诩彝ケO(jiān)護機器人及其相關領域中。