基于fpga的说话人识别系统设计.pdfVIP

基于FPGA 的说话人识别系统设计 陈勇，李晶皎，石鑫，张莉佳 摘要：说话人识别作为一种生物识别技术，能够根据测试语音来辨别说话者的身份。本 文针对实时性问题提出了一种以FPGA(Field Programmable Gate Array)为硬件平台的解决方 案。该方案以MFCC 为语音特征，采用了基于矢量量化的说话人识别算法。系统主要包括语 音信号采集、端点检测、特征提取和识别判断4 个部分。 经测试证明，该系统完成了文本相关的说话人识别系统的基本功能。在实验室条件下， 当系统时钟为50MHz 时，完成一次4 码本系统的识别耗时15.932ms；12 码本系统的识别率 为93.3% 。 关键词：说话人识别；端点检测；MFCC；矢量量化；FPGA Design of Speaker Recognition System Based on FPGA Abstract ：As a biometric identification technology, speaker recognition can verify the identity according to the test voices. For real-time problem, this paper presents a solution that makes the FPGA as the hardware platform. The system consists of four parts: Signal Acquisition, Endpoint Detection, Feature Extraction and Identification. The experiment results show that the time-consuming is 15.932ms on the 4 codebooks and 50MHz-clock system, the identification rate is 93.3% on the 12 codebooks system. This kind of design improves the system’s recognition speed, which is an effective program to solve the real-time problem. Keywords: Speaker Recognition; VAD; MFCC; Vector Quantization; FPGA 1. 说话人识别理论基础 说话人识别的过程可以分为：语音信号预处理、特征提取和识别判断三个部分。其 中，识别判断由码本训练和识别两部分组成，原理如图1.1 所示。 训练 码本 语音信号 预处理 特征提取 计算失 识别判决 识别 真测度 图1.1 说话人识别原理图 语音信号的预处理包括采样和量化、预加重、分帧、加窗、端点检测等。预处理的目的 是去除噪声，加强有用的信息，并对输入应测量仪器或其他因素造成的退化现象进行复原。 特征提取是系统关键部分。近年来，一种能够比较充分利用人耳非线性系统感知特性的 参数得到了广泛的应用，这就是Mel 频率倒谱系数[1] 。临界频率带宽随着频率的变化而变化， 并与Mel 频率增长一致[2] 。在1000Hz 以下，大致呈线性分布，带宽为100Hz 左右；在1000Hz 以上呈对数增长，具体如式(1.1)所示。 Mel