DSP课程设计语音识别报告讲述.docVIP

DSP课程设计 语音识别课题报告 姓名 高鹏 于是阳 学号 学院 电子信息工程学院 班级 自动化1202 指导教师 钱满义 一、设计任务书 1.1实验目的 掌握利用DSP 进行语音信号采集的方法，利用DSP 对语音信号进行特征提取，从而实现语音信号的识别。学会A/D、D/A 的工作原理和使用，学会A/D、D/A 转换器的编程方法。以语音信号处理为依托，深入理解信号的抽样和重建的基本方法，提高学生系统地思考问题和解决实际问题的能力。通过调用DSP CSL 库对McBSP 接口的编程，学会DSP 片上外设的使用方法。 1.2技术指标及设计要求 （1）对DMA进行初始化； （2）对A/D、D/A进行初始化； （3）编写DMA中断服务程序，实现语音信号的实时识别； （4）根据识别系统的类型选择一种识别方法，采用语音分析方法分析出这种识别方法所要 求的语音特征参数，作为标准模式由机器存储起来，形成标准模式库。 （5）对语音进行特征参数的分析，语音信号经过相同的通道得到语音参数，生成测试模板； （6）将测试模板与参考模板进行匹配，将匹配分数最高的参考模板作为识别结果，从而实现语音的识别。 1.3设计思路 首先利用DSP对语音信号进行分析，提取语音的特征参数，形成“模板”。语音识别系统对特征参量的提取可采用FFT算法。语音识别和说话人识别中的LPC倒谱和MEL倒谱，都与语音的频谱包络密切相关，不同的参数表示不同的频谱包络。识别时，对其进行特征参数的分析，识别参数可以选择平均能量、过零数或平均过零数、频谱、倒谱、线性预测系数，音长，音调，声调等超音段信息函数。最后将语音参数和模板进行比较，从而实现语音的识别。 二、实验原理 2.1语音识别概述 语音技术，包括语音识别、语音合成、关键词检出、说话人识别与确认、口语对话系统等，是现代人机交互的重要方式之一，具有广泛的应用前景。其中语音识别技术，尤其是连续语音识别技术，是最基础、最重要的部分，而且已经逐步走向成熟与实用。 语音识别（Speech Recognition）是指让机器听懂人说的话，即在各种情况下，准确的识别语音的内容，从而根据其信息，执行人的各种意图或执行特定的任务，其最终目标是实现人与机器进行自然语言通信。利用DSP可以对语音信号进行实时采集、提取语音特征向量、进行语音识别。语音识别系统对语音特征参量的提取可以采用FFT等算法，不同的参数表示不同的频谱包络。 利用DSP技术来实现语音识别其实就是要利用DSP处理器强大的数据处理功能对表征语音的各种形式的信息进行处理和分析,以对语音进行描述、辨认、分类和解释。无论是早期的孤立词识别系统还是当代的连续语音和非特定人识别系统，它们的系统基本结构框图都可以用下图来进行简单描述。其主要过程包括语音信号的预处理（端点检测等）、特征提取、建立参考模板库、相似性度量和识别决策等几个功能模块。 从图中可以看出语音识别系统的本质就是一种模式识别系统，它也包括特征提取、模式匹配、参考模式库等基本单元。由于语音信号是一种典型的非平稳信号，加之呼吸气流、外部噪音、电流干扰等使得语音信号不能直接用于提取特征，而要进行前期的预处理。预处理过程包括预滤波、采样和量化、分帧、加窗、预加重、端点检测等。经过预处理的语音数据就可以进行特征参数提取。在训练阶段，将特征参数进行一定的处理之后，为每个词条得到一个模型，保存为模板库。在识别阶段，语音信号经过相同的通道得到语音参数，生成测试模板，与参考模板进行匹配，将匹配分数最高的参考模板作为识别结果。后续的处理过程还可能包括更高层次的词法、句法和文法处理等，从而最终将输入的语音信号转变成文本或命令。 语音信号的预处理模块一般包括预滤波、采样和量化、分帧、加窗、预加重、端点检测等。在不同的系统中对各子模块会有不同的要求，如在嵌入式语音识别系统中一般要求有防混叠滤波电路、A/D转换电路和采样滤波电路等，而在计算机上实验时则可由音频采集卡完成，无需实验者亲自动手。 2.2硬件构成 在本次实验中，我们用到的是BJTU-DSP5502实验系统，实验箱内包括BJTU-DSP5502实验板和SEED-XDS510PLUS仿真器以及相关配件。它采用的语音处理模块是TI公司的TMS320VC5502，其主要特点包括：采用改进的哈佛结构，内部独立总线：12组；程序地址总线（PAB）：1组，24位；程序数据总线（PB）：1组，32位；数据读地址总线（BAB、CAB、DAB）：3组，24位；数据读总线（BB、CB、DB）：3组，16位；数据写地址总线（EAB、FAB）：2组，24位；数据写总线（EB、FB）：2组，16位。 BJTU-DSP