設计和实现一个嵌入式自动语音识别.docVIP

设计和实现一个嵌入式自动语音识别系统 sujay?Phadke?Rhishikesh?Limaye亚洲时报Siddharth维尔马Kavitha?Subramanian孟买印度技术研究所电机工程学系个人所得税孟买Powai，孟买，400076，印度。{sujay，rhishi，亚洲时报Siddharth?kavitha}@?ee.iitb.ac.in 摘要???????我们提出了一个新的嵌入式语音识别系统的设计。它结合了硬件和软件设计等方面实 现依赖扬声器，孤立词，小词汇量语音识别系统。是基于规模的修正Mel频率倒谱系数（MFCC）特征提取和模板匹配采用动态时间规整（DTW）的。一种新的算法已经被用来改善一个字开始检测。围绕行业标准TMS320LF2407A的DSP硬件。作为一个通用的DSP24X系列的TI DSP开发板电路板设计。据载，除了从DSP，外部SRAM，闪存，ADC接口的I /?O接口模块和JTAG接口。无论是硬件和软件已设计的同时，最小功率最大精度和便携式设备，以便实现高速识别。建议的解决方案是一个低成本，高性能，可伸缩的替代现有的其他产品。 1.介绍???语音识别一直是一个活跃的研究领域多年。随着超大规模集成电路技术，高性的 编译器的进步，它已成为可能纳入这些算法在硬件。在过去的几年中，各系统已开发，以满 足各种应用。有许多的ASIC解决方案，提供小型，高性能系统。然而，这些患有低的灵活 性和较长的设计周期。一个完整的基于软件的解决方案是为桌面应用程序的吸引力，但未能 提供一个便携式，嵌入式解决方案。高端的公司如TI，ADI公司的数字信号处理器（DSP） 的，提供一个理想的平台，在硬件的开发和测试算法。?C编译器，模拟器和调试器之类的 先进的软件工具提供了一种简单的方法，优化算法和减少市场的时间。然而，为了获得最大 的优势，硬件和软件都必须设计在手。语音识别是任何扬声器独立或依赖[1]。独立扬声器 模式涉及提取讲话是在口语中所固有的那些特点。这一类的算法一般比较复杂，并利用统计 模型和语言模型。另一方面，扬声器依赖模式涉及讲话中提取用户特定的功能。必须为每个 用户创建一个词提取系数的模板进行匹配，以确定口语。此外，使用孤立的单词，而不是一 个复杂连续的话，有助于提高准确性承认。我们的工作涉及扬声器依赖性，孤立词语音识别 系统的发展。该系统是能够认识到口语词，从10-15字的模板。它具有较高的识别精度和适 度抑制比。本文组织如下。第二节处理软件的一部分。它解释了背后的梅尔倒频谱系数提取 和动态时间规整技术，应用的基础上形成的理论。第三节介绍了定制硬件开发此应用程序设 计有关的各种问题。?C代码的DSP平台的软件优化和移植在第四节进行了讨论。结果和比 较在部分解释五，最后，我们的结论第六节系统的应用潜力。 2。软件本节介绍软件方面使用的语音识别引擎。?MFCC的理论是解释其实施。还提出了由作 者开发的一种新的开始检测和错一个字抑制算法。它的结论与动态规整（DTW），确认使用的 模板匹配算法。 2.1。特征提取 - 梅尔规模的频率倒谱系数（MFCC） 特征提取涉及确定的共振峰在讲话中，代表扬声器的声道的变化。使用，即有许多方法。 线性预测编码（LPC）规模的梅尔频率倒谱系数（MFCC），线性预测倒谱系数（LPCC的），反射系数（RCS）。其中，MFCC特征已被发现是在背景噪音的存在更强大，比其他算法[2]。此外，它提供了最佳的性能及尺寸要求（内存）之间的权衡。MFCC的有效性的首要原因是，模型的解析日志上规模的频率人耳的非线性听觉反应[3]。线性频率Mel频率映射的定义， 要捕捉有益的听觉频率内容，speechsignal最好是通过一个过滤器重叠的三角形过滤器，叫做梅尔过滤银行组成的银行。这些滤波器的中心频率对梅尔规模，线性间隔和带宽都是平等的。梅尔规模往往近似线性规模for__千赫和对数。因此，我们得到银行梅尔过滤器下面的近似 DFT域指数K在哪里，是带宽和C是在 大小滤波器的中心频率。给予输入信号帧的能量系数： 这些能量系数的大小的对数是考虑强度和响度的对数关系。这些日志的能量系数这样获得，然后通过使用反DCT正交（IDCT）[3]。由此产生的参数被称为规模的梅尔频率倒谱系数（MFCC）。数学，这是如下： 我们使用16个滤波器（M= 16）和L= 15，这是每帧输入信号的系数最终夺取数量。 2.2。实施MFCC的 描绘图的特征提取的软件实现。?1。进一步解释说，在下面的文本中的每个步骤。 2.2.1。抽样检验。?8 kHz采样频率是足够的人力讲话。这个频率给出了125 _s之间连续两个样本的窗口。因此可以做到实时处理的一个相当大的一部分。更高的频率会缩小这个窗口，也将