应用多核DSPSOC实现个人手持设备语音应用.pdfVIP

134 4．DSP技术的开发应用 舒琼董金明 北京航空航天大学电子信息工程学院北京100083 摘要：本文通过对多核DSPSOC在手机上开发高级语音识别功能的讨论，针对DSP的选择以及对在手持 设备上实现高级语音识别功能的技术要点进行了讨论． 关键词：DSP SOC自动语音识别 一、引言 语音识别研究的根本目的是研究出～种具有听觉功能的机器，能直接接受人的口呼命令，理解人的意图 并做出相应的反映。语音识别系统的研究涉及微机技术、人工智能、数字信号处理、模式识别、声学、语言 学和认知科学等许多学科领域，是一个多学科综合性研究领域。目前个人手持设备语音的主要应用大都局限 于语音拨号、语音菜单导航等初级应用，随着语音识别技术的发展，语音识别的其它应用如文本语音转换、 变声等技术也在逐步推广。毫无疑问，利用语音应用增值可带来丰厚的潜在利益，不论是对语音识别设备制 造商、应用开发商、服务提供商来说都是一个极大的商业机会。 本文中将针对语音识别在手机上的实现展开一些讨论。 二、设计语音识别系统时的考虑因素 根据实际中的应用不同，语音识别系统可以分为：特定人与非特定人的识别、独立词与连续词的识别、 小词汇量与大词汇量以及无限词汇量的识别。但无论哪种语音识别系统，其基本原理和处理方法都大体类似。 一个典型的语音识别系统的原理图如图1所示： 图1 语音识别系统原理图 语音系统必须满足某些基本使用要求。首先，语音输出必须清晰，使用户能够听懂。其次，识别引擎必 须准确，在给定应用用途中，ASR必须支持自然语音包括从逐字发出的简单名字和指令、到说出大量词汇的 连续语句。同时，在这种应用中，由于各人的自然语音以及发音方式也不同，系统应该能够灵活接受不同说 话人说话。 在系统设计时，对庞大词库的支持和语音信号的大量处理必将大大增加系统的功耗，从而缩短电池寿命 和使用时间。当应用需要采用处理器外置存储器时，响应时间也有可能增加。如果再考虑到对其他语言的支 持、跟讲者相关(训练语音识别设备使之熟悉用户的声音特征)或跟讲者无关(语音识别设备可以识别任何人的 声音)以及抗噪音和抗干扰性，在使用时所需要的内存和运算的复杂度还会加倍，DSP的计算负荷也会随着词 汇量和训练数据的增加而增大。 因此，在手持设备的应用中，ASR系统的成败很大程度上取决于DSP的功能和设计。而处理速度、功 耗和代码密度三方面则是系统架构设计中最重要的考虑因素。 全国第：：詈嚣主菁曩篆理联合学术会议敞集 蜥 三、实现结构讨论 1．系统整体结构：多DSP核SOC On SOC(System 高级编程语言编译器，在大大简化开发流程的同时，其增强的片上仿真和调试功能还可以进一步缩短设计时 间。同时在设计SOC时，可以选择具有可调功率功能的内核。 用多个DSP能使系统在完成语音识别的同时更容易地执行其它任务。并且，多个DSP加上大型片上存储器 可以极大地缩短跟讲者无关的训练过程，因为在统计型ASR中训练过程的计算负载比识别处理过程的负载重 得多。 2．DSP的选择标准 (i)性能与功耗 SCl40就采用了指令 通常来讲，DSP采用并行结构来获得最佳的性能空间。平衡型并行结构StarCore 点在于它支持在内存中完成高效的指令调度、执行和打包。它能通过一个指令队列对前端提供反馈，并通过 调度器控制后端，因此除非需要执行计算，VLES处理一般不消耗功率。 由于VIES结构不需要空操作，其设计中的复杂性就从硬件或编程器转移到了编译器。同时．由于每个 周期都在进行数据处理，极大提高了单周期的工作效率，也提高了电源与内存的使用效率。 (2)指令集 高性能DSP中，选择16位而非32位指令集更能提高代码密度，进一步减少对内存、功耗和体积的需求。 这是由于与32位指令集相比，16位指令集可以减少寄存器和数据线数量。 (3)存储器的选择 由于ASR系统需要大量的存储空间用于词汇与模式识别数据的存储，一个灵活的存储结构在