基于DSP和DHMM的嵌入式語音識別系統(tǒng)研究與實(shí)現(xiàn).pdf

1、近年來，隨著語音識別技術(shù)的發(fā)展，基于嵌入式系統(tǒng)的語音識別系統(tǒng)廣泛應(yīng)用到智能玩具、工業(yè)控制、醫(yī)療服務(wù)等領(lǐng)域，為人們的生活帶來便捷的服務(wù)。由于嵌入系統(tǒng)在成本、體積、功耗方面的優(yōu)勢，在嵌入式平臺上實(shí)現(xiàn)高效的語音識別系統(tǒng)已經(jīng)成為研究的熱點(diǎn)。在基于DSP嵌入式平臺的非特定人孤立詞語音識別系統(tǒng)方面，為了推出簡單適用的語音識別系統(tǒng)，還需要做更深入的研究。本文研究了基于DSP和DHMM的嵌入式語音識別系統(tǒng)的系統(tǒng)設(shè)計，并最終實(shí)現(xiàn)了一個非特定人孤立詞語音識

2、別系統(tǒng)。
　　本研究首先對于語音識別系統(tǒng)的原理以及涉及到的關(guān)鍵技術(shù)進(jìn)行了研究。從語音信號的預(yù)處理分析開始，逐步分析了語音信號端點(diǎn)檢測、特征提取以及矢量量化的原理與技術(shù)實(shí)現(xiàn)；并且概述了語音識別中典型的模板匹配算法的優(yōu)缺點(diǎn)。其次介紹了隱馬爾科夫模型的基本原理與三個基本問題。本文通過分析各類隱馬爾可夫模型的特點(diǎn)，選擇了離散隱馬爾可夫模型作為孤立詞語音識別的匹配算法。本文研究了離散隱馬爾可夫模型在模型訓(xùn)練中的定標(biāo)、多觀察序列參數(shù)重估算法以

3、及觀察符號概率分布矩陣的處理等問題。同時，通過定義孤立詞的學(xué)習(xí)功能，解決了個別孤立詞識別率不高的問題。再次以DSP處理器TMS320VC5509A為核心硬件部件，構(gòu)建了嵌入式語音識別系統(tǒng)的硬件平臺。通過研究與分析系統(tǒng)硬件平臺資源的局限與基于DHMM的語音識別系統(tǒng)的特點(diǎn)，將系統(tǒng)的軟件架構(gòu)設(shè)計為嵌入式系統(tǒng)軟件與 PC機(jī)輔助軟件兩部分；并且選取USB作為兩個軟件系統(tǒng)數(shù)據(jù)通信的方式。嵌入式系統(tǒng)軟件主要完成語音識別功能，同時輔助完成簡單的訓(xùn)練與學(xué)