基于DHMM及VQ关键词识别系统探究.docVIP

基于DHMM及VQ关键词识别系统探究摘要：针对现有关键词识别系统采用很难用硬件电路准确描述的连续隐马尔可夫模型CHMM作为识别模型，提出用离散隐马尔可夫模型DHMM作为系统的识别模型，研究了适用于硬件实现的状态机端点检测算法，并通过引入VQ矢量量化模块来保证离散关键词识别系统的识别率和识别速度；根据关键词训练模型，分析所采集语音信息中是否存在指定的关键词并进行准确识别。实验结果表明，该算法在便于硬件实现的基础上，具有良好的识别率和实时性，为关键词识别系统的FPGA硬件电路实现研究提供了参考 关键词：语音处理；关键词识别；DHMM；VQ；FPGA 中图分类号：TN 912.34　文献标识码：A　文章编号：1671―4431(201102―0140―04 关键词识别(Keyword Recognition，KWR)的研究始于20世纪80年代，是在自然语音流中检测并确认出一组由特殊场合决定的特定词；其研究主要是基于动态时间规整DTW、人工神经网络ANN、隐马尔可夫模型HMM或支持向量机SVM等的若干识别方法。进入21世纪，随着信息技术的发展和计算机计算能力的提高，关键词识别在理论研究和实际应用上都得到了空前发展，HTK、Sphinx和RWTH等优秀语音试验平台的搭建、各类语音国际论坛和国际学术会议的举办、Wall Street Journal等优秀语音数据库的建立都为KWR的进一步发展提供了强有力的支持。现有KWR系统的研究热点主要是基于PC机的，不符合片上系统SOC体积小、功耗低和适用面广的要求，许多软件算法很难用硬件电路来实现。鉴于上述情况，笔者在研究KWR基本原理及主流识别算法的基础上，从硬件可实现的角度出发，对现有算法做出相应改进，为KWR系统的FPGA硬件实现奠定了基础 1　KWR系统总体结构设计 关键词识别主要包含训练和识别两大部分。训练结果是为能够得到表征关键词语音特征的诸多模型参数；识别过程是将输入语音信号与关键词模型进行模式匹配，计算各个模型的输出概率，从而完成识别。针对现有的KWR识别模型的特点，研究设计的基于DHMM和矢量量化(Vector Quantization，VQ)的KWR系统的总体结构如图1所示 该系统主要在以下几个方面进行了改进：1)解决了关键词多观察值序列的模型参数重估问题；2)设计了易于硬件电路实现的状态机端点检测语音预处理方法；3)引入了DHMM识别模块；4)引入VQ模块，以保证离散KWR系统的识别率和识别速度 2　KWR系统模块设计与实现 2.1　语音状态机端点检测 基于硬件电路实现的状态机法端点检测，可设置如下5个状态：SO-起始态、S1-静音态、S2静音一语音态、S3-语音态和S4-语音一静音态。根据语音信号短时能量E和短时过零率z分布特性，通过计算能量门限G1和过零率门限G2来实现状态机法各状态之间的转换，状态机如图2所示 实验证明，状态机端点检测与双门限端点检测相比，识别效果明显改善，而且状态机法更适合FPGA硬件实现 2.2　MFCC特征参数提取 美尔倒谱系数MFCC特征参数提取是完成模型训练和KWR的必要组成部分，其流程如图3所示 Mel带通滤波器组的设计是MFCC参数提取的重点，其中心频率是按照Mel频率刻度均划分为；在对应的线性频域中，1000Hz以下，基本呈线性划分，而1000Hz以上，呈对数增长划分。滤波器组的维数M=16～24，为了更好地保留信号频谱特性，选取M=24的Mel滤波器组 2.3　VQ矢量量化 VQ是根据Shannon的信息理论，抑制量化过程中的信息冗余，利用各分量之间相关性，能实现高效率的熵压缩。为了有效地保持语音信息量，必须首先得到最佳码书，即所有训练样本矢量通过此码书后产生的平均失真误差最小。首先通过端点检测模块提取语料库中的所有有效音节组成音节库，再提取音节库中所有信号的MFCC特征参数，组成MFCC参数库，然后对MFCC参数库进行处理得到初始码书，最后在初始码书和MFCC参数库的基础上运行LBG迭代算法生成最佳码书。VQ矢量量化训练流程如图4所示 2.4　隐马尔可夫模型HMM HMM是一个双重随机过程，其一是描述状态转移的基本随机过程，即Markov链，另一随机过程描述状态和观察值之间的统计对应关系。隐含的状态对应于声学层各相对稳定的发音单位，通过状态转移和状态驻留来描述发音的变化，用概率统计函数计算语音参数对HMM模型的输出概率。在识别中通过搜索最佳状态序列，以最大后验概率准则找到识别结果。HMM可以表示为λ=(丌，A，B)，其中丌表示初始状态分布概率，A表示状态转移概率矩阵，且可根据观察序列概率分布B的特性，可将HMM模型分为连续型CHMM和离散型DHMM两类；