语音识别字符分割算法_原创剖析.docVIP

5.设计方法 5.1概述 5.2硬件系统的设计 语音信号预处理 预加重 预加重的目的是提升高频部分，使信号的频谱变得平坦，保持在低频到高频的整个频带中，能用同样的信噪比求频谱，以便于频谱分析或声道参数分析。在计算机里用具有6dB/频程升高频特性的预加重数字滤波器来实现，一般是一阶的FIR数字滤波器: 为预加重系数，值接近于l，在0.9和1之间，典型值为0.94。 预加重的DSPBuilder实现： 为了便于实现，将上式中的一阶FIR预加重滤波器用差分方程表示为: 其中，为原始语音信号序列，N为语音长度，上面的公式显示其在时域 上的特性。又因为0.94接近于15/16，所以将上面的式子变为 除以16可以用右移4位来实现，这样就将除法运算化简为移位运算，降低 了计算复杂度。在后面的模块设计中，也乘以或者除以一些这样的数，这些数为 2的幂次，都可以用移位来实现。 预加重的硬件实现框图如下: 预加重实现框图 DSP Builder中的图形建模为： 预加重滤波器的DSPBuilder结构图 分帧 语音信号是一种典型的非平稳信号，其特性随时间变化，其在很短的时间内是平稳的，大概为1小20ms，其频谱特性和物理特征可近似的看做不变，这样就可以采用平稳过程的分析处理方法来处理。 分帧的DSP Builder实现： 语音信号在10到20ms之间短时平稳(这样可以保证每帧内包含1一7个基音周期)，也就是说选取的帧长必须介于10到20ms之间，此外，在MFCC特征提取时要进行FFT变换，FFT点数一般为2的幂次，所以本文中选择一帧长度为16ms，帧移为1/2帧长，这样一帧就包含了16KHz*16ms=256个点，既满足短时平稳，又满足FFT变换的要求。 由于采集的语音是静态的，语音长度已知，很容易计算出语音的帧数，但是 在硬件上或实时系统中，语音长度是无法估计的，而且还要考虑存储空间的大小 和处理速度，采用软件实现时的静态分帧方法是行不通的，可以利用硬件本身的 特点进行实时的动态分帧。 为了使帧与帧之间平滑过渡，保持连续语音流的自相关性和过渡性，采用 交叠分帧的算法。帧移取1/2帧长，即128个数据点当作一个数据块。FIFO1大小为一帧语音长度，分成两个数据块，预加重后的数据写入这个FIFO。为了实现帧移交叠，在FIFO1读数据时，同时再用FIFO2保存起来，当FIFO的一块数据读完以后，紧接着从FIF22读出这一块的副本。写入的一块数据，相当于被重复读出2次，所以FIFO1的读时钟频率设计为写时钟频率的2倍，而FIFOZ的读写时钟频率和FIFO1的读时钟频率相同。分帧以后的数据在图中按时间标号为1、2、2、3.··…，1、2为第一帧，2、3为第二帧，以此类推。 分帧实现框图 FIFO1的写信号一直为1(写允许)，等到写完第1块(128点)再允许读。 当FIFO1读第1块数据的时，FIFO2保存第1块的数据，两者时钟频率一致，同时FIF01也在写第2块数据。FIFO1读完第1块数据，FIFO2里为第1块数据， FIFO1中第2块数据写了一半，此时禁止FIFO1读，并使能FIF02的读信号， 从FIFO2中将第1块数据再读一遍，读完时第2块数据己经完全写入FIFO1，再 允许FIFO1读，同时禁止FIF02读，如此循环。图中，数据选择器就是为了实 现两个FIFO的读出数据选通，第1次数据为FIFO1的读出内容，第2次数据为 FIFO2读出内容，这样就实现将一块数据内容重复输出两次，读完两次的同时， 写完下一块内容。 分帧的DSPBullder实现为: 分帧的DSPBuilder的结构图 Inc模块是为了让FIFO1写入128个数据后才产生读使能信号，其时钟频率与写时钟相同。Counter是模256的计数器，当计数值在0到127之间时输出FIFOI的值，128到255之间输出FIFO2的值，时钟频率与读时钟相同，为写时钟的两倍。DMUX为数据选择器。分帧后，波形平滑了许多，略微有了一点延时，这是因为FIFOI的读使能比写使能晚了128个采样点。但这样实现的实时分帧，与静态分帧相比，速度提高了很多，有效的减少了存储空间的浪费。 加窗 加窗的目的是使主瓣更尖锐，旁瓣更低。语音信号数字处理中常用的窗函数是矩形窗和汉明窗，本文选取的是汉明窗。因为矩形窗虽然有较高的频率分辨率，但它的频谱泄露比较严重，相比较来说，虽然汉明窗频率分辨率没有矩形窗高，但它有更平滑的底通特性，能够在较高程度上反映短时语音信号的频率特性。 汉明窗公式如下(其中N为帧长): { 设分帧后的信号为S(n)，加窗就是窗函数诚w(n)来乘分帧后的信号S(n)，从而形成加窗语音信号 加