基于DSP語音識別系統的設計

王宇?彭森

摘 要：語言是人類相互間進行通信的最自然和最方便的形式，語音通信是一種理想的人機通信方式。要使機器人真于具有人的智能，人機間的語音通信就必不可少。因此，進行語音控制的研究工作具有實際意義和應用前景。語音技術，包括語音識別、語音合成、關鍵詞檢出、說話人識別與確認、口語對話系統等，是現代人機交互的重要方式之一，具有廣泛的應用前景。其中語音識別技術，尤其是連續語音識別技術，是最基礎、最重要的部分，而且已經逐步走向成熟與實用。

關鍵詞：語音識別；動態時間規整（DTW）；數字信號處理器（DSP）

1 引言

語音識別按不同的角度有以下幾種分類方法：從所要識別的單位，有孤立詞識別、音素識別、音節識別、孤立句識別、連續語音識別和理解。目前已進入識別的語音識別系統是單詞識別。以幾百個單詞為限定識別對象。從識別的詞匯量來分。有小詞匯（10-50個）、中詞匯（50-200個）、大詞匯（200以上）等。從講話人的范圍來分。有單個特定講話人、多講話人和與講話者者無關。特定講話人比較簡單，能夠得到較高的識別率。后兩者難度較大，不容易得到高的識別率。 從識別的方法分。有模塊匹配法、隨機模型法和概率語法分析法。這三種都屬于統計模式識別方法。

2 系統硬件及組成

2.1 系統概述

語音識別系統的典型實現方案如圖1所示。輸入的模擬語音信號首先要進行預處理，語音信號經過預處理后，接下來重要的一環就是特征參數提取，其目的是從語音波形中提取出隨時間變化的語音特征序列。然后建立聲學模型，在識別的時候將輸入的語音特征同聲學模型進行比較，得到最佳的識別結果。

2.2 硬件構成

本文采用DSP芯片為核心（圖2所示），系統包括直接雙訪問快速SRAM、一路ADC/一路DAC及相應的模擬信號放大器和抗混疊濾波器。外部只需擴展FLASH存儲器、電源模塊等少量電路即可構成完整系統應用。

2.3 系統主要功能模塊構成

語音處理模塊采用TI TMS320VC5402， TMS320VC5402含4 KB的片內ROM和16 KB的雙存取RAM，一個HPI（HostPortInterface）接口，二個多通道緩沖單口MCBSP（Multi-Channel Buffered SerialPort），單周期指令執行時間10 ns，帶有符合IEEE1149.1標準的JTAG邊界掃描仿真邏輯。語音輸入、輸出的模擬前端采用TI公司的TLC320ADSOC，它是一款集成ADC和DAC于一體的模擬接口電路，并且與DSP接口簡單，性能高、功耗低，已成為當前語音處理的主流產品。16位數據結構，音頻采樣頻率為2～22.05 kHz，內含抗混疊濾波器和重構濾波器的模擬接口芯片，還有一個能與許多DSP芯片相連的同步串行通信接口。TLC320AD50C片內還包括一個定時器（調整采樣率和幀同步延時）和控制器（調整編程放大增益、鎖相環PLL、主從模式）。TLC320AD50C與TMS320VC5402的硬件連接，如圖3所示。

3 結論

本文以TMS320VC5402芯片為核心的系統硬件設計迸行了研究，通過TLC320AD50C對語音信號進行A/D轉換，通過TMS320VC5402對語音信號“0”、“1”、“2”進行訓練和識別，并由對于燈LED0、LED1、LED2亮來顯示結果是否正確；該系統核心識別算法采用動態時間規整（DTW）算法，主要流程包括預處理、端點檢測、提取特征值、模式匹配和模板訓練，取得了很好的識別效果。

參考文獻

[1] 朱銘鋯， 趙勇， 甘泉. DSP應用系統設計 [M].北京：電子工業出版社，2002.

[2] 郭華. 自適應濾波算法及應用研究[D].蘭州：西北師范大學，2007.

[3] 張雄偉..DSP芯片的原理與開發應用[M].北京：電子工業出版社，2009.

[4] 張德豐. 數字圖象處理（MATLAB版）[M].北京：人民郵電出版社，2009.

作者簡介

王宇，邵陽學院魏源國際學院電子科學與技術專業學生。

通訊作者

彭森，邵陽學院信息工程系教師。