基于DSP和DHMM的嵌入式语音识别系统研究与实现

摘要

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。
　　本研究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。

目录

声明

中文摘要

英文摘要

目录

第一章 引言

1.1 课题研究背景

1.2 语音识别的发展概况

1.3 论文研究内容

1.4论文组织结构

第二章 语音识别基本原理与关键技术

2.1 语音识别系统概况

2.2 语音识别系统分类

2.3 语音信号预处理

2.4 特征参数提取

2.5 矢量量化技术

2.6 模板匹配算法

2.7 本章小结

第三章 基于离散隐马尔可夫模型语音识别的研究

3.1 隐马尔可夫模型

3.2三个基本问题

3.3 隐马尔可夫模型的分类

3.4基于DHMM的孤立词语音识别系统的关键技术研究

3.5 本章小结

第四章 嵌入式语音识别系统硬件设计

4.1 主要硬件介绍

4.2系统整体方案设计

4.3系统硬件设计

4.4 本章小结

第五章 嵌入式语音识别系统软件设计与实现

5.1 系统软件的总体设计

5.2 嵌入式系统软件设计与实现

5.3 PC机辅助软件设计与实现

5.4 本章小结

第六章 嵌入式系统软件的优化

6.1定点优化

6.2存储空间与系统引导的优化

6.3 Viterbi算法的改进

6.4本章小结

第七章 系统测试与结果分析

7.1 PC机辅助软件测试

7.2 系统识别率测试

7.3 系统的实时性测试

7.4 国内外同类产品对比

7.5 本章小结

第八章 总结与展望

8.1 本文总结

8.2 展望

致谢

参考文献

攻读硕士期间的科研成果