基于DSP的连续数字语音识别系统的实现

系统由话筒／扬声器、市内电话（５部），
第４期增刊
任文霞等：基于ｒ）ｓＰ的连续数字语音识别系统的Ｊ宴现
７９７
波器，全部代码同化在Ｒ（）Ｍ中，采样的数据和变量存 人ＲＡＭ内。采样信号通过Ｈａｍ嘶Ｉｌｇ窗，窗长为 ２０ｍｓ，帧长为２０ｍｓ，即１６０个采样点，帧移为１０ｍｓ帧 长，加窗语音通过一阶预加重滤波器来被偿语音信号 中的高频部分（口＝Ｏ．９６），再运用连续密度的隐马尔可 夫模型进行训练和识别。语音信号的特征提取和训练 算法全部由ＴＭＳ３２０ｃ５４０２
ＴＭｓ３２０Ｖａ４０２璐Ｐ芯片为核心进行硬件设计．实现数字语音的实时识别。实验结果表明该系统具有识别精度高、速度快等
特点，语音识别率达到了９６％以上，为其实用化提供了较为重要的技术途径。 关键词：ＨＭＭ；端点检测；自适应｝数字信号处理器
Ｒｅａｌｉｚａｔｉｏｎ ｏｆ ｓｅｒｉａｔｅ ｄｉｇｉｔａｌ ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ ｓｙｓｔｅｍ ｂａｓｅｄ Ｗｅｎ）ｄａ，Ｌｖ Ｗｅｎｚｋ，Ｈｕａｎｇ
ＥⅧ完成，系统控制和识
５结 论
别阶段的工作通过ＤＭＡ方式由Ｐｃ机完成。
４系统的性能测试
先采集３０个学生（１５男１５女，普通话均较标准） 的共６０００个语音样本，并对所有的样本进行训练，做 成３０个训练样本。另加入１０人（普通话均较标准）， 采集这４０人的４０００个语音样本作为测试样本，对该 系统进行测试，所得测试结果如表１所示。
第２８卷第１期增刊 ２００７年４月
仪器仪表
Ｃｈｌｎｅｓｅ
学报
Ｖｏｌ＿２８Ｎｏ．４ ＡＤｒ．２００７
ｊｏｕｒｎａｌ ｏｆ ｓｃＩｅｎｎ脏Ｉｎｓｔｒｕｍｅｎｔ
基于ＤＳＰ的连续数字语音识别系统的实现
任文霞，吕文哲，黄涛
（河北科技大学信息科学与工程学院石家庄０５００５４）
摘要：本文介绍一个非特定人的连续数字语音识别系统，它采用端点检测方法和自学习语音识别算法，同时以ＴＩ公司的
练样本，然后再对这３０人进行测试，可发现识别率为 ９６％，并且一直稳定在９６％左右。而未参加训练的ｌｏ 人，识别率仅为９２．５％，如果将这ｌｏ人的测试样本加 入洲练中进行自学习，得到新的训练样本，然后再对这 １０人的另２０００个样本进行测试，识别率为９５％左右。 经过几次自适应之后，识别率也将稳定在９６％左右。
２．２
进行有效的融台而形成一个模板。当训练发音的次数 增多时，只会造成洲练过程的计算量增大，而不会使识 别过程的计算量有丝毫增加。 利用ＨＭＭ对多训练序列的迭代公式．设计一套 算法使系统具有自适应功能。该算法的基本思想是， 当发生错误的识别时，系统对误识的模板进行调整，使 之更适应使用者的发音习惯，以避免类似的误识再度 发生。发生错误的识别时必然牵涉到两个模板，～个 是与待识别发音相同的数字却被判为不相同的模板； 另一个是与待识别发音不同的数字却被判为相同的模 板。当发生误识并由用户确认后，系统对两个模板进 行修正；对于前者的处理较简单，程序将被误识的发音 加到原训练发音群中，再用迭代公式求出新的模板即 可；对于后者的处理则较复杂，它的主要任务就是剔出 形成该模板的训练发音群中有一部分与被误识的发音 相近的部分训练发音。为此先把被误识的发音制成模 板，再用该模板与原先的模板的各训练发音分别匹配， 把艇配程度较好的训练发音剔除。对剩下的训练发音 使用迭代公式形成新的模板即可。
图２系统硬件构成原理
ＴＭＳ８２０ｃ５４０２ＥｖＭ及阱ｐＣ机组成（见图２）。话
筒或电话的语音模拟信号通过ＴＭＳ３２０ｃ５４０２ＥＶＭ的 ＲｃＡ连接器，进入预处理，包括Ａ／Ｄ变换、自动增益 控制、反混叠滤波、预加重。其中Ａ／Ｄ采样频率为 ８ｋＨｚ（此即语音信号的采样频率），可通过对 ＴＭＳ３２０ｃ５４０ＪＣ３２０４６集成块完成．它接收和发 送数据都是以串行数据的形式，其串行数据收发的交 互线和ＴＭＳ３２０ｃ５４０２一一对应，并且内置有Ｉ／Ｏ滤
ｏｎ
ＤＳＰ
Ｒｅｎ
Ｔａｏ
（Ｈ也ｉ孤ｆ聊ｉ幻ｏ，Ｓｃｉ删Ｆ ４硝％＾＂ｏ抛ｙ，珊巧ｉ口拍瑚醒０５００５４，凸ｉ抛）
Ａｂｓｔ嗡ｃｔ：Ｔｈｉｓ
ｐａｐｅｒ
ｉｎｔｒｏｄｕｃｅｓ
ａ
ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ ｓｙｓｔｅｍ，ｗｈｉｃｈ ｉｓ ｕｓｅｄ ｆｏｒ ｉｎｄｅｐｅｎｄｅｎｔ ｓｐｅａｋｅｒ．Ｔｈｅ
ｃｏｒｅ
ｏｆ ｔｈｅ ｈａｒｄｗａｒｅ ｄｅｓｉｇｎ，ｗｈｉｃｈ ｉｓ ｔｈｅ ｐｒｏｄｕｃｔｉｏｎ ｏｆ ＴＩ
ａｓ
Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａ】ｒｅｓｕＩｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｓｙｓｔｅｍ ｈａｓ ｍａｎｙ ａｄｖａｎｔａｇｅｓ ｓｕｃｈ
ｈｉｇｈ ｒｅｃｏｇｎｉｔｉ。ｎ
ａｎ
ｐｒｅｃｉｓｉｏｎ，ｈｉｇｈ ｓｐｅｅｄ ａｎｄ ｅｔｃ．Ｔｈｅ ｓｐｅｅｃｈ ｒｅｃｏｇ工ｌｉｔｉｏｎ ｒａｔｅ ｒｉｓｅｓ ｕｐ ｔｏ ９６％，ｗｈｉｃｈ ｐｒｏｖｉｄｅｓ
ａｒｅ
ｅｎｄｐｏｉｎｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ａｄａｐｔｉｖｅ ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ ａ—ｔｈｍｅｔｉｃ ｔｈｅ ｓａｍｅ ｔｉｍｅ，ｔｈｅ ｔｅｒｐｒｉｓｅ．
ｕｓｅｄ ｉｎ ｔｈｅ ｄｅ ｓｊｇｎ ｏｆ ｓｏｆｔｗａｒｅ．
Ａｎｄ ａｔ
ｅｎ—
ＴＭＳ３２０ＶＣ５４０２
ｉｓ ｔｈｅ
［１］Ｒａｂｉｎｅｒ
Ｌ Ｒ语音识别原理［Ｍ］．北京：清华大学出
版社，１９９９，４１２９０＿２９４． ［２］赵力．语音信号处理［Ｍ］，北京：机械工业出版社，
２００３，６：２０６—２６８．
［３］
ｃＨＥＮ Ｙ Ｈ
ｔｉｎｕｏｕｓ
Ａｕｔｏｒｎａｔｉｃ ｓｅｇｍｅｎｔａｔ．０ｎ ｏｆ ｃｈｉｎｅｓｅ∞ｎ－ Ｈｏ“ｇｋｏｎｇ： Ｐｍｃｅｅｄｉｎｇｓ ｏｆ
本文链接：/Conference_6420044.aspx
表ｌ识别系统的测试结果
本文采用基于ＨＭＭ模型的语音信号端点检测方 法进行端点检测，提高了识别的准确率，并利用１１公
司的高速耶ｖＩＳ３２０ｃ５４０２硎设计了一个连续数字语
音自动实时识别系统。在识别算法中，采用基于ＶＣ∥ ＨＭＭ的自适应算法，使未经过训练的人只需少数几 次的自适应学习就能取得较高的识别率。实验结果表 明，该系统具有实时、可靠、鲁棒性强和识别率高的 特点。 参考文献
３
系统硬件设计及工作原理
在此基于ＨＭＭ的连续数字语音识别系统中采用
ＴＭＳ３２０ｖｃ５４０２ ＤＳＰ芯片来实现。系统的电路结构
框图如图２所示。
（２）采用Ｖ创ＨＭＭ的自适应语音识别系统
数字语音的端点检测出来后，即可对数字语音的 每一帧进行声学参数分析，提取特征参数。语音信号 是短时准平衡的随机过程，具有很强的时变特性。 ＨＭＭ模型包括两个随机过程，其中一个随机过程则 产生观测序列。对于语音识别系统，观测序列就是矢 量量化后的结果序列，ＨＭＭ模型就是由训练语音得 到的模板。语言的训练过程就是产生模板的过程，而 语言的识别过程就是求出在模板下待识别的语音的结 果序列的条件概率。目前都采用迭代的方法得到状态 转移概率矩阵和观测序列分布概率矩阵的近似解。在 实际中，仅对数字的少数次发音进行训练的语音识别 系统，不可能对各种复杂语境下的不同发音都有较高 的识别率。而ＨＭＭ能够对一个数字的多个训练序列
随着语音识别技术的发展，语音识别的产品已经 进入人们的日常生活中。近几十年来。国内外关于语 音识别的研究取得了许多重大进展，许多语音识别产 品已经由实验室阶段转而投放到市场中。在语音识别
的算法上先后出现动态时间弯曲（唧）、隐马尔可夫
（ＨＭＭ）和人工神经网络三种主要方法。Ｄｒｗ的存 储和计算量太大，而人工神经网络法目前难以在实际 中获得广泛的应用。ＨＭＭ因为计算量大大减少和正 确率较高，从而得以在语音识别系统中广泛的应用。 本文介绍的连续数字语音识别系统采用基于ＨＭＭ的 语音信号端点检测方法和基于Ｗ∥ＨＭＭ的自适应语 音识别算法，并且在硬件上利用ＤｓＰ强大的数据处理 功能，使识别率高达９６％．获得良好的效果。
ｉｍｐｏｒｔａｎｔ
ｍｅｔｈｏｄ ｆｏｒ ｉｔｓ ｐｒａｃｔｉｃａｌ ａｐｐｌｉｃａｔｉｏｎｓ．
Ｋｅｙ
ｗｏｒｄｓ：ＨＭＭ；ｅｎｄｐｏｉｎｔ ｄｅｔｅｃｔｉｏｎ｝ａｄａｐｔｉｖｅ；ＤＳＰ
１引
言
２系统软件实现
２．１语音识别的基本原理 孤立词的识别系统的原理框图如图ｌ所示。识别 系统中，训练阶段训练者先将数字依次读一遍，并且将 其特征矢量序列作为模板存入模板库中。识别时，将 输入语音的特征矢量序列与模板库中的每一个模饭进 行相似度比较，相似度最高者作为识别结果输出。
ｍｘ ＰＺ［ｚ／ｋ］。
ＨＭＭ算法在系统中应用 （１）基于ＨＭＭ模型的语音端点检测方法在噪声
环境中的应用 为了检测未知语音数字的起点和终点，需要把语 音信号流和背景噪声区分开，端点检测通过一组复杂 的门限，并按算法规则分析语音的方法将两者区分开 来。对于各种不同的信号电平和电话网络中的各种噪 音干扰，门限会进行自适应调整。 另一方面，端点检测门限和算法不仅有助于把语 音和噪音区分开来，而且还能将数字串内的无声和数 字串尾的无声区别开来。从而减少采集的数据量，删 除背景噪声，降低语音识别处理中的计算量和处理时 间，提高识别的准确性。为此把ＨＭＭ方法直接用于 语音信号的端点检测。具体做法是：在训练阶段，分别 得出背景噪声和语音的模型参数；在测试阶段，用ｖｉｔ－ ｅｒｂｉ解码方法在训练模型基础上对被测语音进行分 解，求出语音的哪些帧与背景噪声匹配．哪些帧与语音 匹配，从而得到端点的所在处。
ＩＥＥＥ
由上数测试结果发现。对于参加先期训练的３０ 人，识别率已经相当高，如果再把这３０００个样本加入 原来的６０００个样本进行多训练序列迭代形成新的训
ｓｐｅｅｃｈ
Ｔｍｓ［Ｊ］，１９８７，０９（１—４）：１６３～１６８．
基于DSP的连续数字语音识别系统的实现
作者： 作者单位： 任文霞， 吕文哲， 黄涛 河北科技大学信息科学与工程学院,石家庄,050054
图ｌ孤立词识别系统原理框图
７９６
仪器仪表学报
第２ ８卷
在本系统中选用ＨＭＭ作为模式匹配法，把马尔 可夫随机过程的输出作为语音序列的输出。系统的核 心算法就是用马尔可夫随机过程对语音信号进行建 模，并求出该随机过程的参数。假定识别系统的数字 共包括Ｍ个数字，那么在训练阶段需要清很多人分别 将这些数字读一遍并存人数据库中。利用这些训练数 据为每一个数字建立一套ＨＭＭ参数ｋ，（１≤ｍ≤ Ｍ）。在识别时，每输如一个待识别的数字，就可以得 到一个Ｍ维行矢量ｚ（Ｎ是语音中包含的帧数），只需 要计算各个ｋ产生ｚ的概率Ｐｚ［乙］，则识别结果ｍ‘ 为使此概率最大者，即：ｍ。一ａｒｇ