论文部分内容阅读
近年来，随着语音识别技术的发展，基于嵌入式系统的语音识别系统广泛应用到智能玩具、工业控制、医疗服务等领域，为人们的生活带来便捷的服务。由于嵌入系统在成本、体积、功耗方面的优势，在嵌入式平台上实现高效的语音识别系统已经成为研究的热点。在基于DSP嵌入式平台的非特定人孤立词语音识别系统方面，为了推出简单适用的语音识别系统，还需要做更深入的研究。本文研究了基于DSP和DHMM的嵌入式语音识别系统的系统设计，并最终实现了一个非特定人孤立词语音识别系统。主要工作如下：首先，对于语音识别系统的原理以及涉及到的关键技术进行了研究。从语音信号的预处理分析开始，逐步分析了语音信号端点检测、特征提取以及矢量量化的原理与技术实现；并且概述了语音识别中典型的模板匹配算法的优缺点。其次，本文介绍了隐马尔科夫模型的基本原理与三个基本问题。本文通过分析各类隐马尔可夫模型的特点，选择了离散隐马尔可夫模型作为孤立词语音识别的匹配算法。本文研究了离散隐马尔可夫模型在模型训练中的定标、多观察序列参数重估算法以及观察符号概率分布矩阵的处理等问题。同时，通过定义孤立词的学习功能，解决了个别孤立词识别率不高的问题。再次，本文以DSP处理器TMS320VC5509A为核心硬件部件，构建了嵌入式语音识别系统的硬件平台。通过研究与分析系统硬件平台资源的局限与基于DHMM的语音识别系统的特点，将系统的软件架构设计为嵌入式系统软件与PC机辅助软件两部分；并且选取USB作为两个软件系统数据通信的方式。嵌入式系统软件主要完成语音识别功能，同时辅助完成简单的训练与学习功能。PC机辅助软件主要完成最佳码本训练、语音模板的训练与学习以及数据更新等功能。本文详细介绍了这两部分软件各个模块的设计与实现。最后，本文研究了嵌入式系统软件的优化。通过研究软件算法定点化与系统存储空间的优化，系统的实时响应速度从约10秒降低到平均230毫秒。通过对Viterbi算法的优化，系统实时性能再次提高36.4%，完成识别平均用时157.4毫秒。同时，系统在词汇量为100以内可以达到90%的识别率。