设计和实现一个嵌入式自动语音识别.doc

《设计和实现一个嵌入式自动语音识别.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、设计和实现一个嵌入式自动语音识别系统sujay Phadke Rhishikesh Limaye亚洲时报Siddharth维尔马Kavitha Subramanian孟买印度技术研究所电机工程学系个人所得税孟买Powai，孟买，400076，印度。{sujay，rhishi，亚洲时报Siddharth kavitha}@ ee.iitb.ac.in摘要       我们提出了一个新的嵌入式语音识别系统的设计。它结合了硬件和软件设计等方面实现依赖扬声器，孤立词，小词汇量语音识别系统。是基于规模的修正Me

2、l频率倒谱系数（MFCC）特征提取和模板匹配采用动态时间规整（DTW）的。一种新的算法已经被用来改善一个字开始检测。围绕行业标准TMS320LF2407A的DSP硬件。作为一个通用的DSP24X系列的TIDSP开发板电路板设计。据载，除了从DSP，外部SRAM，闪存，ADC接口的I/ O接口模块和JTAG接口。无论是硬件和软件已设计的同时，最小功率最大精度和便携式设备，以便实现高速识别。建议的解决方案是一个低成本，高性能，可伸缩的替代现有的其他产品。1.介绍   语音识别一直是一个活跃的研究领域多年。

3、随着超大规模集成电路技术，高性的编译器的进步，它已成为可能纳入这些算法在硬件。在过去的几年中，各系统已开发，以满足各种应用。有许多的ASIC解决方案，提供小型，高性能系统。然而，这些患有低的灵活性和较长的设计周期。一个完整的基于软件的解决方案是为桌面应用程序的吸引力，但未能提供一个便携式，嵌入式解决方案。高端的公司如TI，ADI公司的数字信号处理器（DSP）的，提供一个理想的平台，在硬件的开发和测试算法。 C编译器，模拟器和调试器之类的先进的软件工具提供了一种简单的方法，优化算法和减少市场的时间。然而

4、，为了获得最大的优势，硬件和软件都必须设计在手。语音识别是任何扬声器独立或依赖[1]。独立扬声器模式涉及提取讲话是在口语中所固有的那些特点。这一类的算法一般比较复杂，并利用统计模型和语言模型。另一方面，扬声器依赖模式涉及讲话中提取用户特定的功能。必须为每个用户创建一个词提取系数的模板进行匹配，以确定口语。此外，使用孤立的单词，而不是一个复杂连续的话，有助于提高准确性承认。我们的工作涉及扬声器依赖性，孤立词语音识别系统的发展。该系统是能够认识到口语词，从10-15字的模板。它具有较高的识别精度和适度抑制

5、比。本文组织如下。第二节处理软件的一部分。它解释了背后的梅尔倒频谱系数提取和动态时间规整技术，应用的基础上形成的理论。第三节介绍了定制硬件开发此应用程序设计有关的各种问题。 C代码的DSP平台的软件优化和移植在第四节进行了讨论。结果和比较在部分解释五，最后，我们的结论第六节系统的应用潜力。2。软件本节介绍软件方面使用的语音识别引擎。 MFCC的理论是解释其实施。还提出了由作者开发的一种新的开始检测和错一个字抑制算法。它的结论与动态规整（DTW），确认使用的模板匹配算法。2.1。特征提取-梅尔规模的频率

6、倒谱系数（MFCC）特征提取涉及确定的共振峰在讲话中，代表扬声器的声道的变化。使用，即有许多方法。线性预测编码（LPC）规模的梅尔频率倒谱系数（MFCC），线性预测倒谱系数（LPCC的），反射系数（RCS）。其中，MFCC特征已被发现是在背景噪音的存在更强大，比其他算法[2]。此外，它提供了最佳的性能及尺寸要求（内存）之间的权衡。MFCC的有效性的首要原因是，模型的解析日志上规模的频率人耳的非线性听觉反应[3]。线性频率Mel频率映射的定义，要捕捉有益的听觉频率内容，speechsignal最好是通过

7、一个过滤器重叠的三角形过滤器，叫做梅尔过滤银行组成的银行。这些滤波器的中心频率对梅尔规模，线性间隔和带宽都是平等的。梅尔规模往往近似线性规模for__千赫和对数。因此，我们得到银行梅尔过滤器下面的近似DFT域指数K在哪里，是带宽和C是在大小滤波器的中心频率。给予输入信号帧的能量系数：这些能量系数的大小的对数是考虑强度和响度的对数关系。这些日志的能量系数这样获得，然后通过使用反DCT正交（IDCT）[3]。由此产生的参数被称为规模的梅尔频率倒谱系数（MFCC）。数学，这是如下：我们使用16个滤波器（M=

8、16）和L=15，这是每帧输入信号的系数最终夺取数量。2.2。实施MFCC的描绘图的特征提取的软件实现。 1。进一步解释说，在下面的文本中的每个步骤。2.2.1。抽样检验。 8kHz采样频率是足够的人力讲话。这个频率给出了125_s之间连续两个样本的窗口。因此可以做到实时处理的一个相当大的一部分。更高的频率会缩小这个窗口，也将要求更大的内存和更高的处理时间。为0.5秒的时间的话，在8KHz的样本数为4000。与每个样本存储为16位值，它相当于约8KB的存