非特定人语音识别关键技术的研究.docVIP

非特定人语音识别关键技术的研究 　　摘 要：针对市场上语音识别系统难以个性化更改关键词识别列表、实时性不佳等问题，文中设计了一款基于嵌入式的非特定人语音识别系统。该系统具有可个性化设置识别列表、完成非特定人语音识别等功能。通过对不同说话人的语音进行测试表明，该设计达到了预期效果，在相对安静的条件下，系统的识别率接近95%，且操作便捷、算法简单，具有很好的实时性，可进一步运用于与语音识别相关的电子产品中。 　　关键词：嵌入式；语音识别；非特定人；隐马尔科夫模型；LD3320；LP2303 　　中图分类号：TP39；TN912 文献标识码：A 文章编号：2095-1302（2017）10-00-03 　　0 引 言 　　当今社会已经朝着现代化、信息化、智能化的方向发展，信息技术的浪潮定会使得人们的生活迈上一个新台阶。在这其中，人工智能将体现出巨大的优势，语音识别作为人工智能的一个重要分支，是进行人机交互的关键技术。 　　非特定人语音识别技术已渗透到人们生活及工作的方方面面，嵌入式系统具有功耗低、性能高、成本低等诸多优点，可以满足现代社会对语音识别产品高性能的需求。因此基于嵌入式语音识别系统具有更大的应用范围[1]。当前大部分语音识别系统都基于软件实现，而理想的嵌入式非特定语音实时识别系统相对欠缺，且传统的嵌入式系统有其固有缺点[1]，因此，在研究语音识别关键技术基础上，设计并实现了一款新颖的嵌入式非特定人语音识别系统。 　　1 语音识别理论基础 　　语音识别的前期工作，需要对语音信号进行处理。由于语音信号是模拟信号，很难直接进行识别，应先进行数字化处理，将语音模拟信号转换成数字信号。 　　由于语音信号的能量大部分都分布在频率较低的部分，所以需要提高高频部分的能量。而由于语音信号具有暂时平稳的特点，因此可将语音信号进行分帧加窗处理，更方便分析。找出语音信号的开始和结束时刻，可以提高识别效率。因此需要再对数字信号进行预处理（预加重、分帧加窗、语音降噪、端点检测）。预处理之后，需要对信号进行特征参数提取，为语音识别做准备。目前使用较多的特征参数提取方法是Mel频率倒谱系数（MFCC），因为MFCC更能体现出人耳的听觉特点[2]。 　　目前主流的语音识别算法有DTW（动态时间弯折技术）、HMM（隐马尔科夫模型）、ANN（人工神经元网络）[3]。结合本文设计的特点，HMM包含两个随机过程，巧妙模仿了人类的发音特点，因此选取HMM模型更为合理[4]。 　　2 系统的软硬件设计 　　2.1 总体方案设计 　　设计的非特定人语音识别系统，主要由三大部分组成，包含以STM32F103ZET6为核心的STM32开发板、LD3320非特定人语音识别芯片、LP2303接口转换模块。将LD3320模块和LD3320模块通过SPI接口和USART接口连接到STM32开发板上，组成了一个完整的非特定人语音识别系统。 　　系统采用STM32F103ZET6单片机作为主控制器。这是一款拥有低功耗、低成本、高性能特点的单片机，ARM Cortex-M3?槠淠诤耍?同时内部还拥有128 KB Flash、20 KB SRAM、两个SPI、三个串口、一个USB、一个CAN等[5，6]。选取LD3320作为语音识别芯片。LD3320是一款专用的非特定人语音识别芯片，可直接用于识别，并且支持识别列表随意编写，使得使用更加方便。通过LP3320接口转换模块可以将PC机和语音识别系统连接起来，从而将识别结果打印在串口中，方便查看语音识别结果[7]。 　　2.2 硬件设计 　　本系统作为非特定人语音识别系统，语音识别芯片的选择尤为重要。综合各方面考虑，系统选用LD3320语音识别芯片。将STM32开发板、LD3320模块和LP2303模块连接起来，组成一个完整的语音识别系统，通过观察开发板上LED灯的变化情况和串口显示结果判断识别结果。硬件设计框架如图1所示[8]。 　　2.3 软件设计 　　文中选择LD3320作为语音识别芯片。LD3320是由ICRoute公司设计生产的非特定人语音识别芯片，该芯片识别原理如图2所示[9]。论文的软件设计主要应用Source Insight开发环境。Source Insight是一种性能优良的语言编辑工具，几乎适用所有语言[10]。 　　（1） 初始化。完成复位、工作模式设定、设置工作频率以及FIFO设定的操作[11，12]。 　　（2） 写入识别列表。识别关键词的格式是 “标号识别关键词”[13]。识别关键词需要以字符串的格式来设置。关键词格式见表1所列[14]。 　　表1 识别列表实例 　　标 号 字符串 　　1 yuwen 　　2 qianrushi 　　3 woxihuanyundon