基于Cortex-A9的嵌入式语音识别系统设计.docVIP

精品文档，助力人生，欢迎关注小编！ 基于Cortex-A9的嵌入式语音识别系统设计 打开文本图片集 摘 要：在人工智能技术发展的进程中，语音识别已经成为重要分支之一。语音识别技术作为人与机器的一种交互方式，将前端处理之后的信号转换成文本或者指令，进而用于控制相关智能设备。当前，基于深度学习的云端语音识别技术已经逐渐成熟，但考虑到离线设备无法使用云端语音识别API，基于本地的嵌入式语音别技术研究仍然重要。本文从嵌入式语音识别系统的组成分别介绍前端信号处理、声学模型和语言模型等相关技术点。 关键词：语音识别;嵌入式;人工智能 中图分类号：TN912.34 文獻标识码：A 文章编号：2096-4706（2020）14-0166-03 Design of Embedded Speech Recognition System Based on Cortex-A9 YUAN Yi，CHEN Shengyong （Guangzhou Ligong Science and Technology Co.，Ltd.，Guangzhou 510660，China） Abstract：In the process of artificial intelligence technology development，speech recognition has become one of the important branches. As a way of interaction between human and machine，speech recognition technology converts the signal processed by the front end into text or instructions，which can be used to control relevant intelligent devices. At present，cloud speech recognition technology based on deep learning has been gradually mature，but considering that offline devices cannot use cloud speech recognition API，research on local embedded speech technology is still important. In this paper，the components of embedded speech recognition system are introduced，including front-end signal processing，acoustic model and language model. Keywords：speech recognition;embedded;AI 0 引 言 语音识别技术是人机交互的关键技术，在数十年的发展中提升显著。语音识别的起源可以追溯到二十世纪五十年代，首个语音识别系统是贝尔实验室开发的Audry系统，该系统可以识别0到9的英文数字。经过十余年的发展，在二十世纪六十年代左右，线性预测分析和动态规划算法的提出，极大地推动了语音识别技术的落地，使用线性预测编码可以对语音信号进行建模，进一步提取语音的特征来识别。随后，动态时间规整算法（DTW）、矢量量化技术（VQ）和隐马尔可夫模型（HMM）理论[1]的提出，促使语音识别相关产品逐渐具备实用性，识别算法也转变成基于统计模型的方法。在二十世纪九十年代后，人工神经网络技术[2]受到广大研究人员的关注，逐渐从图像领域发展到了语音识别技术研究，基于深度神经网络[3]的语音识别有效提升了识别率。 1 系统构成 嵌入式语音识别系统与常规语音识别系统构成一致，其区别主要在于，嵌入式语音识别所有的计算均在本地完成。如图1所示，包括硬件拾音电路部分、前端信号处理、结合声学模型和语言模型的解码部分，以及文本输出响应部分。 图1 嵌入式语音识别系统结构图 语音识别的过程大致分为三部分：首先，从硬件拾音电路中获取当前环境中的声音信号，并从中提取出相应的特征序列，提取特征的方法很多，嵌入式语音识别系统常用的是梅尔频率倒谱系数（MFCC）;其次，通过声学模型对提取的特征序列解码，将特征序列映射成音素序列;最后，结合语言模型对音素序列进一步解码，输出相应的文本字符串并执行与之对应的操作。 2 基本原理 当一段语音信号通过拾音电路进入语音识别系