基于ARM A8和矢量泰勒级数特征补偿的语音识别系统实现与优化

摘要

近年来，随着语音识别技术和嵌入式系统的发展，基于嵌入式系统的语音识别技术被广泛运用到汽车、智能玩具、工业控制等领域。基于语音的人机交互更加自然、便利，以及嵌入式系统低成本、小体积、低功耗的优势，因此实现鲁棒的嵌入式语音识别系统具有重要的应用价值。
　　本文主要研究基于矢量泰勒级数特征补偿的嵌入式孤立词识别系统的优化，通过优化提高系统的识别速度，实现系统的实用性。主要工作如下:
　　1、研究了语音识别系统的结构、性能评价指标和预处理技术。本文采用基于谱熵的双门限端点检测算法，选择梅尔倒谱系数和对应的一阶差分系数作为系统的语音特征参数，选择隐马尔科夫模型作为系统的声学模型，采用基于矢量泰勒级数的特征补偿算法。
　　2、根据ARMA8硬件平台特性、C语言特点对孤立词识别系统进行的优化。改变程序中变量的数据类型，达到利用浮点协处理单元NEON完成浮点运算的目的;调整程序结构来提升程序的可读性，便于后期维护;优化代码以及离线计算部分变量，提升程序的执行效率，加快系统的识别速度。最后在硬件平台实时测试优化后系统的误识率及识别速度。
　　3、研究基于语音识别算法层面的优化。分别利用Fisher比准则对语音特征参数进行降维、利用最近邻估计法减少Viterbi算法的运算量以及减少矢量泰勒级数特征补偿算法中高斯混合模型的混合数。首先基于MATLAB平台，在不同噪声环境下进行分析测试。在MALTB仿真测试基础上，基于ARMA8平台实现了算法层的优化，并实时测试优化后硬件系统的误识率和识别速度，测试结果表明了优化方法的有效性和可靠性。

目录

声明

摘要

第一章 绪论

1．1 语音识别系统的研究背景

1．2 国内外研究现状

1．2．1 语音识别发展历史

1．2．2 语音识别发展现状

1．3 语音识别系统面临的问题

1．4 论文主要工作和内容安排

第二章 语音识别系统及系统介绍

2．1 语音识别系统概述

2．1．1 语音识别系统分类

2．1．2 语音识别系统结构

2．1．3 语音识别系统性能评价

2．2 语音信号预处理

2．2．1 数字化

2．2．2 预加重

2．2．3 分帧加窗

2．2．4 端点检测

2．3 鲁棒语音识别

2．3．1 信号空间

2．3．2 特征空间

2．3．3 模型空间

2．4 基于ARM A8的嵌入式语音识别系统

2．4．1 系统硬件平台

2．4．2 系统性能

2．4．3 国内同类硬件平台系统对比

2．5 本章小结

第三章 基于系统软硬件资源的优化

3．1 基于ARM A8的硬件开发环境

3．1．1 Devkit8500开发板简介

3．1．2 ARM A8架构分析

3．1．3 嵌入式Linux操作系统

3．1．4 交叉编译环境

3．2 基于VTS特征补偿的孤立词识别系统的C平台软件框架

3．2．1 语音采集模块

3．2．2 预处理模块

3．2．3 MFCC特征参数提取

3．2．4 VTS特征补偿模块

3．2．5 HMM模型匹配模块

3．2．6 串口通信模块

3．3 基于硬件平台特点的优化

3．3．1 协处理器NEON

3．3．2 精度转换

3．4 基于软件资源的优化

3．4．1 程序结构优化调整

3．4．2 代码优化

3．4．3 离线初始化

3．5 优化后的实验结果及分析

3．5．1 测试方案设计

3．5．2 基于硬件平台特点优化后的实验结果与分析

3．5．3 基于软件资源优化后的实验结果及分析

3．5．4 基于软硬件资源优化后系统性能对比

3．6 本章小结

第四章 基于语音识别算法的优化

4．1 基于Fisher比准则的特征参数选择

4．1．1 Mel频率倒谱系数

4．1．2 Fisher比

4．1．3 MFCC系数中不同维变量的Fisher分析

4．2 基于Viterbi算法的优化

4．2．1 隐马尔可夫模型简介

4．2．2 Viterbi算法简介

4．2．3 最近邻估计法

4．2．4 使用最近邻估计法优化后的实验结果及分析

4．3 关于矢量泰勒级数补偿算法的优化

4．3．1 基于矢量泰勒级数的特征补偿算法简介

4．3．2 静态参数调整

4．4 本章小结

第五章 总结与展望

5．1 全文总结

5．2 研究展望

致谢

参考文献

攻读硕士学位期间参加的科研项目和完成的论文