语音识别算法及其实现.docxVIP

PAGE PAGE # PAGE PAGE # 一 ,概述 1.1.选题意义 目前，高科技发展迅速，日新月异，而因为实际需要，各种防盗技 此我术也日趋多样化。其中智能人声防盗系统引起了我们的兴j 们选了诂音识别算法及其实现这一课题，来探究一下语音识别的原理 及其实现过程。语音识别研究的根本目的是研究出一种具有听觉功能 的机器，能直接接受人的口呼命令，理解人的意图并做岀相应的反映。 此我 语音识别系统的研究涉及微机技术、人工智能、数字信号处理、模式 识别■声学、饵言学和认知科学等许多学科领域，是一个多学科综合 性研究领域。近年来，高性能数字信号处理芯片DSP技术的迅速发展, 为由音识別的实时实现提供了可能。其中，凌阳公司的单片机以其良 好的性价比和代码的可移植性被广泛地应用于各个领域。因此，我们 采用凌阳公司的具有DSP功能和语音特色的完全SOC技术的凌阳十 六位单片机来实现论音信号的识别。 12实验目的 1、 掌握特定人语音辨识技术。 2、 可以应用于简单语音控制场合。 二?算法原理 2.1.语音识别的基本过程 根据实际中的应用不同，语音识别系统可以分为：特定人 与非特定人的识别、独立诃与连续伺的识别、小向汇量与大诃汇量以 及无限诃汇量的识别。但无论那种语音识别系统，其基本原理和处理 方法都大体类似。一个典型的语音识别系统的原理图如图1所示。 厝音识别过程主要包括饴音信号的預处理、特征提取、模 式匹配几个部分。预处理包括预滤波、采样和量化、加窗、端点检测、 预加重等过程。语音信号识别最重要的一环就是特征参数提取。提取 的特征参数必须満足以下的要求: (1)提取的特征参数能有效地代表语音特征，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, (3)特征参数要计算方便, 最好有高效的算法，以保i正借音 识别的实时实现。 在训练阶段，将特征参数进行一定的处理后，为毎个词条 建立一个模型，保存为模板库。在识别阶段，诂音信号经过相同的通 道得到语音特征参数，生成测试模板，与参考模板进行匹配，将匹配 分数最高的参考模板作为识别结果。同时，还可以在很多先验知沢的 帮助下，提高识别的准确率。 2.2.语音识别的DSP实现技术 2. 21.浮点运算的定点实现 在语音识别的算法中，有许多的浮点运算。用定点DSP来 S3实现浮点运算是在编写诂音识别程序中需要首先解决的问题。这个问 题可以通过数的定标方法来实现。数的定标就是决定小数点在定点数 中的位置。Q表示法是一种常用的定标方法。其表示机制是: S3 设定点数是J,浮点数是f,则Q法表示的定点数与浮点数 的转换关系为：浮点数f转换为定点数x:x=(mt)yx2Q;定点数z转换 为浮点数y 为浮点数y：y 二(float )xx2?Q。 2. 22.数据精度的处理 用16b的定点DSP实现治音识别算法时，虽然程序的运行 速度提高了，但是数据精度比较低。这可能由于中间过程的累计误差 而引起运算结果的不正确。为了提高数据的运算精度，在程序中采用 了以下的处理方法: (1)扩展精度在精度要求比较高的地方，将计算的中冋变 量采用32b,甚至48b来表示。这样，在指令条数增加不多的情况下却 使运算精度大大提高了。 (2)釆用伪浮点法来表示浮点数 伪浮点法即用尾数+指数的方法来表示浮点数。这时，数 据块的尾数可以采用Q1. 15数据格式，数据块的指数相同。这种表示 数据的方法有足够大的数据范国.可以完全满足数据精度的要求，但 是需要自己编写一套指数和尾数运算库，会额外增加程序的指令数和 PAGE PAGE # PAGE PAGE # 运算量，不利于实时实现。 以上两种方法，都可以提高运算精度，但在实际操作时，要 根据系统的要求和算法的复杂度，来权衝考虑。 2. 23.变■的维护 在高级语言中，有全局变量与局部变量存储的区别，但在 DSP程序中,所有声明的变垃在链接时都会分给数据空冋。所以如果 按照高级语言那样定义局部变量’就会浪費大量的DSP存储空冋，这 对数据空冋较为紧张的定点DSP来说，显然是不合理的。为了节省存 储空冋，在编写DSP程序时，最好维护好一张变量表。毎进入一个 DSP子模块时，不要急干分配新的局部变量，应优先使用已分配但不 用的变量。只有在不够时才分配新的局部变量。 2. 24.采用模块化的程序设计方法 在厝音识别算法的实现中，为了便于程序的设计和调试， 采用了模块化的程序设计方法。以厝音识别的基本过程为依据进行模 块划分，每个模块再划分为若干个子模块，然后以模块为单元进行编 程和调试。在编写程序之前，首先用高级由言对毎个模块进行算法仿 真，在此基础上再进行汇编程序的编写。在调试时，可以釆用高级语 言与汇编语言对比