语音识别开题报告.docVIP

DSP课程设计开题报告 题目：语音识别 组员： 指导老师： 一、主要思路：通过预先输入语音指令（两个字左右的指令音）并对其进行分析找出足够多的点来进行特征描述、并储存这些指令，当设定的主人（语音输入源）发出开启指令则开启系统（系统开启后可以执行一些主人的命令什么的），如非主人则不反应（或者给予警告）。 二、设计主要技术： （1）：对声源的指令经行预处理，通过对其进行频域分析后对其样本点进行存储。 （2）：对输入信号经行判断，主要进行逐一点对比。 （3）：调用指令进行控制。 三、系统结构：系统硬件电路设计的原理框图如图1所示 图1 它主要由语音采集与输出模块、语音处理DSP模块、程序数据存储器FLASH模块、数据存储器SRAM模块、系统时序逻辑控制模块、DSP JTAG接口模块、CPLD JTAG接口模块以及电源模块组成。 四、语音信号的端点检测：端点检测是指用数字处理技术来找出信号中的各个段落的始点和终点的位置，也就是从含有噪声的环境中检测出说话人语音信号的起始点和结束点。只有准确地判断语音信号的端点，才能正确地进行语音处理。语音分析的方法一般有时域分析、频域分析和语谱分析。考虑到语音端点检测的实时性，其端点检测一般采用时域方法进行处理。 语音和噪音的主要区别之一在于它们的能量不同，语音段的能量比噪声段的大，语音段的能量是噪声段能量叠加语音声波能量之和。根据这一特点，我们可以利用声音信号的短时平均幅度不同来区别语音和噪声。 图2 五、语音参数的选择与计算：采用线性预测倒谱系数（LPCC）作为语音的特征参数。LPCC参数的计算有递推公式，速度和精度都可以保证，而且可以减少计算时间，从而降低系统功耗。 线性预测倒谱参数（LPCC）是线性预测系数（LPC）在倒谱域中的表示。可以通过线性自相关法求得线性预测系数，然后就可以根据线性预测系数求出LPCC。语音信号的倒谱c(n)与LPC之间的递推关系见公式： 上式中，为LPC系数，为LPC分析的阶数。对于p的确定为使模型假定更好地符合语音产生模型，通常一对极点对应一个共振峰，10kHz采样的语音信号通常有5个共振峰，取p=10，对于8kHz采样的语音信号可取p=8。此外为了弥补鼻音中存在的零点以及其他因素引起的偏差，通常在上述阶数的基础上再增加两个极点，即分别是p=12和p10。，选择LPC分析阶数p=12，对绝大多数语音信号的声道模型可以足够近似地逼近。P值选得过大虽然可以略微改善逼近效果，但也带来一些负作用，一方面是加大了计算量，另一方面有可能增添一些不必要的细节。 六、语音识别算法的选择及其实现：考虑到DSP系统存储资源的有限性，采用计算相对简单而有效的DTW算法。该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题。 将语音信号的每一帧信号的特征参数提取出来，就转化成了一组特征向量。语音识别就是要将这个特征向量同模板库里已存的语音特征向量（参考模板）进行模板匹配，寻找距离最短的模板。由于读入的语音信号和参考模板语音长短不同，因此需要通过动态计算两个长度不同的模板之间的相似程度，或者叫做失真距离。