嵌入式语音库.pdfVIP

中国科技论文在线 一个嵌入式平台语音识别程序库的实现 湛宗儒 武汉理工大学信息工程学院，武汉 (430070) E-mail:zhan.zr@ 摘 要：本文针对当前嵌入式平台的浮点计算能力不高与资源有限的情况，对现有的语音识 别通用算法进行了一些改进，实现了一个嵌入式平台上的轻量级语音识别程序库。通过把浮 点运算转化为定点计算，以及对资源需求的压缩，使得在准确性能损失不明显的情况下，保 持了一定的识别鲁棒性与实时性。程序库在Matlab 中仿真通过并且在Windows Mobile 平台 [HP rx1950]上实现。由于使用了比较通用的库函数，移植到其他嵌入式平台也是切实可行的。 关键词：语音识别；嵌入式平台；定点运算；windows mobile 中图分类号：TP391.42 1．引言 语音识别是一种交叉学科，目前正在军事、消费、工业领域获得广泛的应用[1]。近年 来，该领域的研究进展使其逐渐趋近于实用化，嵌入式平台上对此的应用需求也一直在增长。 比如，Microsoft 公司在他们的 Xbox360 上配备了使用语音识别的游戏控制器。Google 公司 也在他们新推出的手机平台 Android 上集成了语音搜索功能。然而，嵌入式平台一般使用低 功耗与低成本的处理器，多数没有内建浮点运算协处理器。在浮点运算时调用浮点模拟库函 数来进行运算，导致运算性能下降，使语音识别很难在嵌入式平台上获得可以接受的性能。 与此同时，近年来，由于半导体材料与处理器设计技术的发展，嵌入式处理器的运行频率与 整数运算能力一直在增强。为此，本文使用一种定点运算来替代浮点运算，实现了一个嵌入 式平台的高效语音识别程序库。 与以往在嵌入式平台上实现的小词汇量或者孤立词识别系统不同，本文讨论通用的基于 N-gram 语言模型的大词汇量语音识别系统在嵌入式平台上的实现。本文讨论的嵌入式平台 是 32 位，无浮点运算协处理器的低功耗 CPU （比如ARM920 核的 S3C2442 等处理器）。 但是对于 16 位总线，拥有 32 位累积器的处理器也适用。 2 ．识别算法设计与优化 根据信息论的观点，…… 下面我们就围绕这两个关键问题进行详细论述。 2.1 LVCSR 映射解码器 O (o ,..., o ) Ω (ω ,..., ω ) 给定观察序列 1 T ，则最大的后验解码词序列 1 M 有最大的 p Ω |O p Ω ( ) ( ) [2] 。经过如下步骤 ： ˆ Ω arg maxF =Ω Ω ( )，其中F 为解码函数： F ln L =+αln A +βln D (1) ( ) ( ) ( ) L：语言模型的似然度， A ：HMM 状态(声学模型) 的似然度， D：HMM 状态持久度的似然度， - 1 - 中国科技论文在线 αβ, ：状态与状态持久度的乘子。 其中：ln(L)=− ∑ cost (2) arc ∈ Ω arc path( )