基于hmm的语音识别技术在嵌入式系统中的应用

《基于hmm的语音识别技术在嵌入式系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于HMM的语音识别技术在嵌入式系统中的应用

2、第1...1硬件平台本识别系统是在与Infineon公司合作开发的芯片UniSpeech上实现的。UniSpeech芯片是为语音信号处理开发的专用芯片，采用0.18μm工艺生产。它将双核（DSP+MCU）、存储器、模拟处理单元（ADC与DAC）集成在一个芯片中，构成了一种语音处理SoC芯片。这种芯片的设计思想主要是为语音识别和语音压缩编码领域提供一个低成本、高可靠性的硬件平台。该芯片为语音识别算法提供了相应的存储量和运算能力。包括一个内存控制单元MMU（MemoryManagementUnit）和104KB的片上

3、RAM。其DSP核为16位定点DSP，运算速度可达到约100MIPS.MCU核是8位增强型8051，每两个时钟周期为一个指令周期，其时钟频率可达到50MHz。UniSpeech芯片集成了2路8kHz采样12bit精度的ADC和2路8kHz采样11bit的DAC，采样后的数据在芯片内部均按16bit格式保存和处理。对于语音识别领域，这样精度的ADC/DAC已经可以满足应用。ADC/DAC既可以由MCU核控制，也可以由DSP核控制。2嵌入式语音识别系统比较以下就目前基于整词模型的语音识别的主要技术作一比较。（1）基于DT和模板匹配技术。DTM（HiddenMar

4、kovModel）的识别算法。这是Rabiner等人在20世纪80年代引入语音识别领域的一种语音识别算法。该算法通过对大量语音数据进行数据统计，建立识别条的统计模型，然后从待识别语音中提取特征，与这些模型匹配，通过比较匹配分数以获得识别结果。通过大量的语音，就能够获得一个稳健的统计模型，能够适应实际语音中的各种突发情况。因此，HMM算法具有良好的识别性能和抗噪性能。基于HMM技术的识别系统可用于非特定人，不需要用户事先训练。它的缺点在于统计模型的建立需要依赖一个较大的语音库。这在实际工作中占有很大的工作量。且模型所需要的存储量和匹配计算（包括特征矢量的输出概

5、率计算）的运算量相对较大，通常需要具有一定容量SRAM的DSP才能完成。在嵌入式语音识别系统中，由于成本和算法复杂度的限制，HMM算法特别CHMM（ContinuousdensityHMM）算法尚未得到广泛的应用。（3）人工神经网络ANN（ArtificialNeuralNetouseg(this)">3基于HMM的语音识别系统下面详细介绍基于HMM的语音识别系统。首先在UniSpeech芯片上实现了基于DHMM的识别系统，然后又在同一平台上实现了基于CHMM的识别系统。3.1前端处理语音的前端处理主要包括对语音的采样、A/D变换、分帧、特片提取和端点检测。

6、模拟语音信号的数字化由A/D变换器实现。ADC集成在片内，它的采样频率固定为8kHz。特征提取基于语音帧，即将语音信号分为有重叠的若干帧，对每一帧提取一次语音特片。由于语音特征的短时平稳性，帧长一般选取20ms左右。在分帧时，前一帧和后一帧的一部分是重叠的，用来体现相邻两帧数据之间的相关性，通常帧移为帧长的1/2。对于本片上系统，为了方便做FFT，采用的帧长为256点（32ms），帧移为128点（16ms）。特征的选择需要综合考虑存储量的限制和识别性能的要求。在DHMM系统中，使用24维特征矢量，包括12维MFCC（MelFrequencyCepstrumC

7、oefficient）和12维一阶差分MFCC；在CHMM系统中，在DHMM系统的基础上增加了归一化能量、一阶差分能量和二阶差分能量3维特征，构成27维特征矢量。对MFCC和能量分别使用了倒谱均值减CMS（CepstrumMeanSubtraction）和能量归一化ENM（EnergyNormalization）的处理方法提高特征的稳健性。3.2声学模型在HMM模型中，首先定义了一系列有限的状态S1…SN，系统在每一个离散时刻n只能处在这些状态当中的某一个Xn。在时间起点n=0时刻，系统依初始概率矢量π处在某一个状态中，即：πi=P{X0=Si},i=1..

8、N以后的每一个时刻n，系统所处的状态Xn仅与前一时刻系统的状态有关，并且依转移概率矩阵A跳转，即：500)this.style.ouseg(this)">系统在任何时刻n所处的状态Xn隐藏在系统内部，并不为外界所见，外界只能得到系统在该状态下提供的一个Rq空间随机观察矢量On。On的分布B称为输出概率矩阵，只取决于Xn所处状态：Pxn=Si{On}=P{On

9、Si}因为该系统的状态不为外界所见，因此称之为“稳含马尔科夫模型”，简称HMM。在识别中使用的随机观察矢量就是从信号中提取的特征矢量。按照随机矢量Qn的概率分布形时，其概率密度函数一般使用混合高斯分布拟

10、合。500)this.style.ouseg(thi