基于定点DSP的实时语音命令识别模块.docVIP

基于定点DSP的实时语音命令识别模块 ????? 本系统的目的是在廉价定点数字信号处理器（DSP）芯片上实现语音识别。在微机平台，一般采用隐含Markov模型（HMM）进行语音识别，该算法在识别阶段计算量较少，适应性强，但是需要大量的前期训练工作。由于DSP系统存储资源有限，计算速度也比较慢，大运算量的前期训练是无法在有限的DSP资源上独立完成的，因此系统采用了动态时间弯折算法（DTW），以解决模板匹配中时间不定长的问题，实现了一个特定人小词表语音识别系统。下面分别介绍该系统的硬件和软件结构。 ??? 1 系统硬件? ??? 系统的电路原理如图1所示。该系统采用Analog Decive公司（ADI）的定点数字信号处理器ADSP2181为核心部件。2181指令字长24位，数据字长16位，在16.67MHz下工作，指令周期可达30ns。用AD73311编码译码器（COEDC）作语音输入输出模拟前端。AD73311是ADI公司的低成本、低功耗通用模拟前端。它具有诸多优良性能：如16位75dB的模数转换信噪比和70dB的数模转换信噪比、输入输出采样频率和增益可编程、小的转换群延时、允许8个芯片级连、工作电压范围宽（2.7～5.5V)、自身带参考电压等，在语音信号处理和有源控制方面得到了广泛的应用。AD73311通过串行口与2181相连。采用一片 27C512作为程序存储器，系统复位后，程序自动由EPROM中加载进入DSP的片内程序存储区运行。还有一片AT29C020作为模板和语音存储器，通过BDMA接口与2181相连。以上四个芯片组成了语音识别的核心电路。系统的译码电路由一片GAL16V8实现，复位和电源监视电路由MAX705实现，还有一片74HC574用来输出识别结果，这就构成了基本的语音识别模块。加上可选的键盘、LCD显示接口和相应的译码电路，即可构成完整的控制器。该控制器具有体积小、成本低的优点。 ???2 系统软件 ??? 2.1 语音信号的端点检测 ??? 所谓端点检测，就是从含噪声的环境中检测出说话人的语音命令。我们采用语音信号的短时能量和过零率来进行端点检测。语音信号的采样频率为8kHz，每帧数据为30ms，共240个采样点，帧交迭10ms，共80个采样点。每隔10ms计算一次短时能量和过零率。短时能量用下面公式计算： ??? 其中N为一帧语音的采样点数（240）。过零率为一帧语音信号穿越零电平的次数。短时能量描述了信号的幅度，而过零率对能量低的清音比较敏感，两者配合起来就可以准确地判断语音信号的开始和结束。 ??? 2.2 语音参数的选择和计算 ??? 输入的模拟语音信号首先要通过截止频率为4kHz的抗混迭滤波器，然后由AD73311采样和量化。接下来很重要的一环就是特征参数的提取。对特征参数的要求是：（１）能有效地代表语音特征，包括声道特征和听觉特征，具有很好的区分性；（２）各阶参数之间有良好的独立性；（３）特征参数要计算方便，最好有高效的计算方法，以保证语音识别的实时实现。一般选择线性预测倒谱系数（LPCC）和Mel频率倒谱系数（MFCC）作为语音识别的参数，两种参数的计算请参考文献[1]和[2]。该系统为每帧信号计算出12阶LPCC系数，加上短时能量和过零率，作为以后的识别参数。以上算法是用ADSP2181的汇编语言实现的定点算法，比纯浮点算法快得多，可以在720μs内完成，从而可以达到实时计算。 ??? 大量文献的研究表明，MFCC系数对提高识别率有一定的作用。我们也在ADSP2181上实现了MFCC系数的定点算法，但是与LPCC系数相比， MFCC系数计算有两个缺点：一是计算时间长，一帧参数的计算至少需要1.25ms；二是精度难以保证。由于MFCC系数的计算需要FFT变换和对数操作，影响了计算的动态范围，要保证其在定点DSP上的运算速度，就只有牺牲参数精度。而LPCC参数的计算有递推公式，速度和精度都可以保证。在微机和 DSP平台上分别进行的大量试验表明，LPCC参数已经足以满足我们的识别要求，同时采用LPCC参数，可以减少计算时间，从而降低系统功耗。 ??? 2.3 语音的编码与回放 ??? 本系统采用8kHz采样频率，精度为16位，数据传输率为128kbps。采用ADPCM算法实现对语音的编码，将采集到的语音样本压缩到32kbps，可以保持清晰的音质，同时大大降低存储需求。为了进一步降低码率，系统还可以采用GSM编码算法，不但合成语音质量好，而且算法比较简单，可以在 ADSP2181定点DSP芯片上实时实现。它的码率为13.6kbps。GSM编码实际上是规则脉冲激励长时线性预测编码（RPE－LTP），它包括预处理、LPC分析、短时分析滤波、长时预测和规则脉冲激励序列编码等五部分。GSM算法比ADPC