時(shí)間：2022-09-09 00:00:09
序論：在您撰寫語音識(shí)別系統(tǒng)時(shí)，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
【關(guān)鍵詞】語音識(shí)別 模式識(shí)別 過程 統(tǒng)功能
1、語音識(shí)別技術(shù)原理簡(jiǎn)介
1.1語音識(shí)別技術(shù)的概念
語音識(shí)別技術(shù)（Auto Speech Recognize，簡(jiǎn)稱ASR）所要解決的問題是讓計(jì)算機(jī)能夠“聽懂”人類的語音，將語音中包含的文字信息“提取”出來。ASR技術(shù)在“能聽會(huì)說”的智能計(jì)算機(jī)系統(tǒng)中扮演著重要角色，相當(dāng)于給計(jì)算機(jī)系統(tǒng)安裝上“耳朵”，使其具備“能聽”的功能，進(jìn)而實(shí)現(xiàn)信息時(shí)代利用“語音”這一最自然、最便捷的手段進(jìn)行人機(jī)通信和交互。
1.2語音識(shí)別的系統(tǒng)組成
語音識(shí)別系統(tǒng)構(gòu)建過程整體上包括兩大部分：訓(xùn)練和識(shí)別。
1.2.1訓(xùn)練
訓(xùn)練通常是離線完成的，對(duì)預(yù)先收集好的海量語音、語言數(shù)據(jù)庫進(jìn)行信號(hào)處理和知識(shí)挖掘，獲取語音識(shí)別系統(tǒng)所需要的“聲學(xué)模型”和“語言模型”。
1.2.2識(shí)別
識(shí)別過程通常是在線完成的，對(duì)用戶實(shí)時(shí)的語音進(jìn)行自動(dòng)識(shí)別，可以分為“前端”和“后端”兩大模塊：“前端”模塊主要的作用是進(jìn)行端點(diǎn)檢測(cè)（去除多余的靜音和非說話聲）、降噪、特征提取等；“后端”模塊的作用是利用訓(xùn)練好的“聲學(xué)模型”和“語言模型”對(duì)用戶說話的特征向量進(jìn)行統(tǒng)計(jì)模式識(shí)別（又稱“解碼”），得到其包含的文字信息，此外，后端模塊還存在一個(gè)“自適應(yīng)”的反饋模塊，可以對(duì)用戶的語音進(jìn)行自學(xué)習(xí)，從而對(duì)“聲學(xué)模型”和“語音模型”進(jìn)行必要的“校正”，進(jìn)一步提高識(shí)別的準(zhǔn)確率。
語音識(shí)別技術(shù)所面臨的問題是非常艱巨和困難的。盡管早在二十世紀(jì)五十年代，世界各國就開始了對(duì)這項(xiàng)技術(shù)孜孜不倦的研究，特別是最近二十年，國內(nèi)外非常多的研究機(jī)構(gòu)和企業(yè)都加入到語音識(shí)別技術(shù)的研究領(lǐng)域，投入了極大的努力，也取得了豐碩的成果，但是直到今天，距離該技術(shù)得到完美解決還存在著巨大的差距，不過這并不妨礙不斷進(jìn)步的語音識(shí)別系統(tǒng)在許多相對(duì)受限的場(chǎng)合下獲得成功的應(yīng)用。
如今，語音識(shí)別技術(shù)已經(jīng)發(fā)展成為涉及聲學(xué)、語言學(xué)、數(shù)字信號(hào)處理、統(tǒng)計(jì)模式識(shí)別等多學(xué)科技術(shù)的一項(xiàng)綜合性技術(shù)?；谡Z音識(shí)別技術(shù)研發(fā)的現(xiàn)代語音識(shí)別系統(tǒng)在很多場(chǎng)景下獲得了成功的應(yīng)用，不同任務(wù)條件下所采用的技術(shù)又會(huì)有所不同。
2、語音識(shí)別系統(tǒng)技術(shù)實(shí)現(xiàn)
語音識(shí)別系統(tǒng)選擇識(shí)別基元的要求是：有準(zhǔn)確的定義，能得到足夠數(shù)據(jù)進(jìn)行訓(xùn)練，具有一般性。系統(tǒng)所需的訓(xùn)練數(shù)據(jù)大小與模型復(fù)雜度有關(guān)，模型設(shè)計(jì)得過于復(fù)雜以至于超出了所提供的訓(xùn)練數(shù)據(jù)的能力，會(huì)造成系統(tǒng)性能的急劇下降。
2.1聽寫機(jī)
2.1.1概念
大詞匯量、非特定人、連續(xù)語音識(shí)別系統(tǒng)通常稱為聽寫機(jī)。
2.1.2基本架構(gòu)
聽寫機(jī)是建立在前述聲學(xué)模型和語言模型基礎(chǔ)上的HMM拓?fù)浣Y(jié)構(gòu)，訓(xùn)練時(shí)對(duì)每個(gè)基元用前向后向算法獲得模型參數(shù)，識(shí)別時(shí)將基元串接成詞，詞間加上靜音模型并引入語言模型作為詞間轉(zhuǎn)移概率，形成循環(huán)結(jié)構(gòu)，用Viterbi算法進(jìn)行解碼。針對(duì)漢語易于分割的特點(diǎn)，先進(jìn)行分割再對(duì)每一段進(jìn)行解碼，是用以提高效率的一個(gè)簡(jiǎn)化方法。
2.1.3對(duì)話系統(tǒng)
用于實(shí)現(xiàn)人機(jī)口語對(duì)話的系統(tǒng)稱為對(duì)話系統(tǒng)。目前，受技術(shù)所限，對(duì)話系統(tǒng)往往是面向一個(gè)狹窄領(lǐng)域、詞匯量有限的系統(tǒng)，其題材有旅游查詢、訂票、數(shù)據(jù)庫檢索等等。它的前端是一個(gè)語音識(shí)別器，識(shí)別產(chǎn)生的N-best候選或詞候選網(wǎng)格，由語法分析器進(jìn)行分析獲取語義信息，再由對(duì)話管理器確定應(yīng)答信息，由語音合成器輸出?；谀壳暗南到y(tǒng)往往詞匯量有限的情況，也可以用提取關(guān)鍵詞的方法來獲取語義信息。
3、語音識(shí)別系統(tǒng)特性
語音識(shí)別系統(tǒng)的性能受許多因素的影響，包括不同的說話人、說話方式、環(huán)境噪音、傳輸信道等等。具有自適應(yīng)性與魯棒性。解決辦法可大致分為兩類：針對(duì)語音特征的方法（以下稱特征方法）和模型調(diào)整的方法（以下稱模型方法）。前者需要尋找更好的、高魯棒性的特征參數(shù)，或是在現(xiàn)有的特征參數(shù)基礎(chǔ)上，加入一些特定的處理方法。后者是利用少量的自適應(yīng)語料來修正或變換原有的說話人無關(guān)（SI）模型，從而使其成為說話人自適應(yīng)（SA）模型。
4、語音識(shí)別的應(yīng)用
語音識(shí)別專用芯片的應(yīng)用領(lǐng)域，主要包括以下幾個(gè)方面：
4.1電話通信的語音撥號(hào)。特別是在中、高檔移動(dòng)電話上，現(xiàn)已普遍的具有語音撥號(hào)的功能。隨著語音識(shí)別芯片的價(jià)格降低，普通電話上也將具備語音撥號(hào)的功能。
4.2汽車的語音控制。由于在汽車的行駛過程中，駕駛員的手必須放在方向盤上，因此在汽車上撥打電話，需要使用具有語音撥號(hào)功能的免提電話通信方式。此外，對(duì)汽車的衛(wèi)星導(dǎo)航定位系統(tǒng)（GPS）的操作，汽車空調(diào)、照明以及音響等設(shè)備的操作，同樣也可以由語音來方便的控制。
4.3工業(yè)控制及醫(yī)療領(lǐng)域。當(dāng)操作人員的眼或手已經(jīng)被占用的情況下，在增加控制操作時(shí)，最好的辦法就是增加人與機(jī)器的語音交互界面。由語音對(duì)機(jī)器發(fā)出命令，機(jī)器用語音做出應(yīng)答。
4.4個(gè)人數(shù)字助理（Personal Digital Assistant，PDA）的語音交互界面。PDA的體積很小，人機(jī)界面一直是其應(yīng)用和技術(shù)的瓶頸之一。由于在PDA上使用鍵盤非常不便，因此，現(xiàn)多采用手寫體識(shí)別的方法輸入和查詢信息。但是，這種方法仍然讓用戶感到很不方便?，F(xiàn)在業(yè)界一致認(rèn)為，PDA的最佳人機(jī)交互界面是以語音作為傳輸介質(zhì)的交互方法，并且已有少量應(yīng)用。隨著語音識(shí)別技術(shù)的提高，可以預(yù)見，在不久的將來，語音將成為PDA主要的人機(jī)交互界面。
4.5智能玩具。通過語音識(shí)別技術(shù)，我們可以與智能娃娃對(duì)話，可以用語音對(duì)玩具發(fā)出命令，讓其完成一些簡(jiǎn)單的任務(wù)，甚至可以制造具有語音鎖功能的電子看門狗。智能玩具有很大的市場(chǎng)潛力，而其關(guān)鍵在于降低語音芯片的價(jià)格。
4.6家電遙控。用語音可以控制電視機(jī)、VCD、空調(diào)、電扇、窗簾的操作，而且一個(gè)遙控器就可以把家中的電器皆用語音控起來，這樣，可以讓令人頭疼的各種電器的操作變得簡(jiǎn)單易行。
參考文獻(xiàn)：
1語音識(shí)別系統(tǒng)設(shè)計(jì)的技術(shù)依據(jù)
近年來國內(nèi)教育信息化趨勢(shì)更加明顯，英語教學(xué)活動(dòng)建立信息化平臺(tái)是師生所需，改變了早期英語課堂模式的不足之處。語音識(shí)別是計(jì)算機(jī)翻譯軟件不可缺少的一部分，如圖1，主要針對(duì)不同語言進(jìn)行識(shí)別處理，幫助學(xué)生快速地理解英語知識(shí)內(nèi)涵。語音識(shí)別技術(shù)主要包括：特征提取技術(shù)、模式匹配技術(shù)、模型訓(xùn)練技術(shù)等三大技術(shù)，也是系統(tǒng)設(shè)計(jì)需考慮的重點(diǎn)。
1）特征提取技術(shù)。一般來說，語音識(shí)別系統(tǒng)輔助功能涉及到收錄、處理、傳遞等三個(gè)環(huán)節(jié)，這也是語音識(shí)別系統(tǒng)設(shè)計(jì)的關(guān)鍵所在。計(jì)算機(jī)語言與自然語言之間存在極大的差異性，如何準(zhǔn)確識(shí)別兩種語言的差異性，這是翻譯軟件識(shí)別時(shí)必須解決的問題。特征提取技術(shù)是語音識(shí)別系統(tǒng)的基本構(gòu)成，主要負(fù)責(zé)對(duì)英語語言特征進(jìn)行提取，向翻譯器及時(shí)提供準(zhǔn)確的語言信號(hào)，提高計(jì)算機(jī)翻譯工作的準(zhǔn)確系數(shù)。
2）模式匹配技術(shù)。語音識(shí)別系統(tǒng)要匹配對(duì)應(yīng)的功能模塊，以輔助師生在短時(shí)間內(nèi)翻譯出語言含義，避免人工翻譯語言失誤帶來的不便。模式匹配技術(shù)采用智能識(shí)別器，由翻譯器錄入語音之后自主化識(shí)別、分析，減小了人工翻譯語句的難度。例如，計(jì)算機(jī)軟件建立匹配模型，按照英語字、詞、句等結(jié)構(gòu)形式，自動(dòng)選擇相配套的翻譯模式，執(zhí)行程序命令即可獲得最終的語言結(jié)果，給予學(xué)生語音識(shí)別方面的幫助。
3）模型訓(xùn)練技術(shù)。設(shè)計(jì)語音識(shí)別系統(tǒng)是為了實(shí)現(xiàn)教育信息化，幫助教師解決英語課堂教學(xué)中遇到的翻譯難題，加深學(xué)生們對(duì)英語知識(shí)的理解能力。語音識(shí)別結(jié)束之后，翻譯器會(huì)自動(dòng)執(zhí)行模擬訓(xùn)練操作，為學(xué)生創(chuàng)建虛擬化的語音訓(xùn)練平臺(tái)，這也是軟件識(shí)別系統(tǒng)比較實(shí)用的功能。模擬訓(xùn)練技術(shù)采用人機(jī)一體化設(shè)計(jì)思想，把翻譯器、語音識(shí)別器等組合起來執(zhí)行訓(xùn)練方式，快速地識(shí)別、判斷英語發(fā)聲水平，指導(dǎo)學(xué)生調(diào)整語音方式。
2英語翻譯器語音識(shí)別系統(tǒng)設(shè)計(jì)及應(yīng)用
英語翻譯器是現(xiàn)代化教學(xué)必備的操作工具，教師與學(xué)生借助翻譯器功能可準(zhǔn)確地理解英語含義，這對(duì)語音識(shí)別系統(tǒng)設(shè)計(jì)提出了更多要求。筆者認(rèn)為，設(shè)計(jì)語音識(shí)別系統(tǒng)要考慮翻譯器具體的工作流程，事先編排一套符合翻譯軟件工作的方案，如圖2，從而提高人機(jī)語言轉(zhuǎn)換速率。語音識(shí)別系統(tǒng)設(shè)計(jì)及應(yīng)用情況：
1）識(shí)別模塊。語音識(shí)別方法主要是模式匹配法，根據(jù)不同翻譯要求進(jìn)行匹配處理，實(shí)現(xiàn)英語翻譯的精準(zhǔn)性。一是在訓(xùn)練階段，用戶將詞匯表中的每一詞依次說一遍，并且將其特征矢量作為模板存入模板庫；二是在識(shí)別階段，將輸入語音的特征矢量依次與模板庫中的每個(gè)模板進(jìn)行相似度比較，將相似度最高者作為識(shí)別結(jié)果輸出。
2）前端模塊。前端處理是指在特征提取之前，先對(duì)原始語音進(jìn)行處理，這是預(yù)處理操作的主要作用。語音識(shí)別系統(tǒng)常受到外界干擾而降低了翻譯的準(zhǔn)確性，設(shè)計(jì)前段處理模塊可消除部分噪聲和不同說話人帶來的影響，使處理后的信號(hào)更能反映語音的本質(zhì)特征。例如，比較常用的前端處理有端點(diǎn)檢測(cè)和語音增強(qiáng)。
3）聲學(xué)模塊。語音識(shí)別系統(tǒng)的模型通常由聲學(xué)模型和語言模型兩部分組成，分別對(duì)應(yīng)于語音到音節(jié)概率的計(jì)算和音節(jié)到字概率的計(jì)算。聲學(xué)特征的提取與選擇是語音識(shí)別的一個(gè)重要環(huán)節(jié)，這一步驟直接關(guān)系到翻譯器的工作效能，對(duì)英語語音識(shí)別與學(xué)習(xí)有很大的影響。因此，聲學(xué)模塊要注重人性化設(shè)計(jì)，語音設(shè)定盡可能符合自然語言特點(diǎn)。
4）搜索模塊。英語語音識(shí)別中的搜索，就是尋找一個(gè)詞模型序列以描述輸入語音信號(hào)，從而得到詞解碼序列。本次所設(shè)計(jì)的搜索模塊中，其前端是一個(gè)語音識(shí)別器，識(shí)別產(chǎn)生的N-best候選或詞候選網(wǎng)格，由語法分析器進(jìn)行分析獲取語義信息，再由對(duì)話管理器確定應(yīng)答信息，由語音合成器輸出。由于目前的系統(tǒng)往往詞匯量有限，也可以用提取關(guān)鍵詞的方法來獲取語義信息。
5）執(zhí)行模塊。實(shí)際應(yīng)用中，語言識(shí)別系統(tǒng)憑借執(zhí)行模塊完成操作，對(duì)英語語言識(shí)別方式進(jìn)行優(yōu)化擇取，以最佳狀態(tài)完成英語翻譯工作。目前，就英語教學(xué)中使用情況，聽寫及、對(duì)話系統(tǒng)等是語音識(shí)別執(zhí)行的兩種方式，充分展現(xiàn)了翻譯器在語言轉(zhuǎn)換方面的應(yīng)用功能。（1）聽寫機(jī)。大詞匯量、非特定人、連續(xù)語音識(shí)別系統(tǒng)通常稱為聽寫機(jī)。其架構(gòu)就是建立在前述聲學(xué)模型和語言模型基礎(chǔ)上的HMM拓?fù)浣Y(jié)構(gòu)。訓(xùn)練時(shí)對(duì)每個(gè)基元用前向后向算法獲得模型參數(shù)，識(shí)別時(shí)，將基元串接成詞，詞間加上靜音模型并引入語言模型作為詞間轉(zhuǎn)移概率，形成循環(huán)結(jié)構(gòu)，用Viterbi算法進(jìn)行解碼。（2）對(duì)話系統(tǒng)。用于實(shí)現(xiàn)人機(jī)口語對(duì)話的系統(tǒng)稱為對(duì)話系統(tǒng)，英語翻譯器中完成了人機(jī)對(duì)話、語言轉(zhuǎn)換等工作，全面提升了翻譯器操控的性能系數(shù)。受目前技術(shù)所限，對(duì)話系統(tǒng)往往是面向一個(gè)狹窄領(lǐng)域、詞匯量有限的系統(tǒng)，其題材有旅游查詢、訂票、數(shù)據(jù)庫檢索等，隨著語音數(shù)據(jù)庫資源的優(yōu)化配置，對(duì)話系統(tǒng)功能將全面升級(jí)。
3翻譯器使用注意事項(xiàng)
語音識(shí)別系統(tǒng)就是讓機(jī)器通過識(shí)別和理解過程，把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高科技。隨著高校教學(xué)信息化建設(shè)時(shí)期到來，計(jì)算機(jī)軟件輔助教學(xué)活動(dòng)是一種先進(jìn)的模式，徹底改變了傳統(tǒng)人工教學(xué)模式的不足。翻譯軟件采用數(shù)字化元器件為硬件平臺(tái)，配合遠(yuǎn)程互聯(lián)網(wǎng)建立多元化傳輸路徑，滿足了英語翻譯數(shù)據(jù)處理與傳輸?shù)膽?yīng)用要求。但是，未來英語教學(xué)內(nèi)容越來越復(fù)雜，翻譯器語音識(shí)別系統(tǒng)承載的數(shù)據(jù)范圍更廣，學(xué)校必須實(shí)施更新翻譯軟件產(chǎn)品，才能進(jìn)一步提升英語智能化翻譯水平。
4結(jié)論
【關(guān)鍵詞】語音識(shí)別信號(hào)處理DTW
一、引言
根據(jù)語音識(shí)別系統(tǒng)所使用的環(huán)境和平臺(tái)不同，語音識(shí)別技術(shù)朝著兩個(gè)方向發(fā)展：一個(gè)方向是大詞匯量的連續(xù)語音識(shí)別，該方向所處理的語音較為復(fù)雜；另一個(gè)方向就是向著中小詞匯量的孤立詞匯語音識(shí)別，該方向所處理的語音相對(duì)較為簡(jiǎn)單，應(yīng)用范圍也有一定的限制，如玩具、語音導(dǎo)航等。雖然簡(jiǎn)單語音識(shí)別系統(tǒng)對(duì)于能識(shí)別的詞匯量沒有太高的要求，但是目前的一些簡(jiǎn)單語音識(shí)別系統(tǒng)的識(shí)別速度慢、識(shí)別率較低，導(dǎo)致用戶體驗(yàn)較差。
二、語音識(shí)別系統(tǒng)原理
語音識(shí)別在本質(zhì)上屬于模式識(shí)別的范疇，其系統(tǒng)結(jié)構(gòu)與模式識(shí)別具有相似之處：根據(jù)相關(guān)的識(shí)別算法對(duì)語音信號(hào)進(jìn)行特征參數(shù)的提取，然后先進(jìn)行學(xué)習(xí)后再對(duì)語音信號(hào)進(jìn)行識(shí)別。在學(xué)習(xí)階段，通過給出的訓(xùn)練數(shù)據(jù)建立起參考模板庫；在識(shí)別階段，將待識(shí)別語音信號(hào)的特征參數(shù)與參考模板庫中的參數(shù)進(jìn)行對(duì)比，得到與待識(shí)別語音信號(hào)最接近的模板，輸出該模板作為語音識(shí)別的結(jié)果。
三、簡(jiǎn)單語音識(shí)別系統(tǒng)的改進(jìn)與實(shí)現(xiàn)
DTW在簡(jiǎn)單語音識(shí)別中已經(jīng)可以達(dá)到較高的識(shí)別率，因此本文選擇DTW作為語音識(shí)別的模式匹配算法，并對(duì)端點(diǎn)檢測(cè)進(jìn)行一定的改進(jìn)來實(shí)現(xiàn)語音識(shí)別系統(tǒng)的設(shè)計(jì)。
3.1端點(diǎn)檢測(cè)的改進(jìn)
在進(jìn)行端點(diǎn)檢測(cè)前，為短時(shí)平均能量和短時(shí)過零率設(shè)定兩個(gè)門限值。在靜音段，當(dāng)短時(shí)平均能量或短時(shí)過零率大于低門限值，則開始準(zhǔn)備標(biāo)記語音起點(diǎn)，由此進(jìn)入過渡段。但是在過渡段中并不能確定是否真正進(jìn)入語音段，當(dāng)短時(shí)平均能量和短時(shí)過零率都小于低門限值時(shí)認(rèn)為是噪音，并不記錄語音起點(diǎn)，恢復(fù)為靜音段；當(dāng)短時(shí)平均能量或短時(shí)過零率大于高門限值，則認(rèn)為是真正的語音片段，將狀態(tài)進(jìn)入語音段。進(jìn)入語音段后還要記錄語音段持續(xù)時(shí)間，若該段時(shí)間較短則認(rèn)為是噪聲，繼續(xù)檢測(cè)后面的語音，如果滿足一定的時(shí)間長度則標(biāo)記語音起點(diǎn)并將其記錄為一段語音。
3.2DTW的改進(jìn)
DTW的核心思想是進(jìn)行動(dòng)態(tài)規(guī)劃，從而解決了語音識(shí)別中的發(fā)音長度不一致的匹配問題。在進(jìn)行DTW時(shí)，通過動(dòng)態(tài)匹配找到一個(gè)最佳路徑，把語音信號(hào)的特征參數(shù)通過這條最佳路徑映射到參考模板庫中，這條最佳路徑要求語音信號(hào)和參考模板之間的累積距離最小。
經(jīng)典的DTW算法規(guī)定待識(shí)別語音信號(hào)和模板中信號(hào)的首尾必須完全一致，但是端點(diǎn)檢測(cè)確定的首尾與實(shí)際存在一定的誤差，造成識(shí)別率有所下降。為此，可以對(duì)DTW的端點(diǎn)的限制適當(dāng)放寬。即允許起點(diǎn)在（0，0）、（0，m）或者（n，0）上，終點(diǎn)在（N，M）、（N，J）或者（I，M）上。端點(diǎn)要求放寬后對(duì)端點(diǎn)檢測(cè)精度的要求就降低了，提高了識(shí)別的速度和精度。
雖然語音的速度不同，但是語序是確定不變的，因此路徑中每一點(diǎn)的斜率必然大于0。而為了防止過度搜素浪費(fèi)資源，可以對(duì)搜索路徑的斜率加以限制，由于語音信號(hào)的擴(kuò)壓是有限的，因此可以舍去那些向X軸或者Y軸過度傾斜的路徑。具體做法是：將搜索路徑中每個(gè)點(diǎn)的最大斜率設(shè)為2，最小斜率設(shè)為0.5，這樣就可以大大降低搜索范圍，減少了計(jì)算量，提高了識(shí)別速度。
另外，還可以在進(jìn)行相似度匹配時(shí)設(shè)定一個(gè)合理的閾值，如果計(jì)算出的某一部分的相似度與該閾值相差太遠(yuǎn)，則立即認(rèn)為待識(shí)別語音與當(dāng)前模板不匹配，轉(zhuǎn)而進(jìn)入與下一個(gè)模板的相似度計(jì)算，這樣就可以減少大量的計(jì)算量，從而提高簡(jiǎn)單語音識(shí)別的速度。
3.3實(shí)驗(yàn)及數(shù)據(jù)
在實(shí)驗(yàn)室較安靜的環(huán)境下對(duì)男女聲識(shí)別進(jìn)行了測(cè)試。發(fā)音內(nèi)容為0～9的數(shù)字，采樣率為24KHz，幀長20ms，幀移10ms，識(shí)別正確率達(dá)到了95%以上，原DTW算法的孤立字識(shí)別時(shí)間是6～7s，而采用本文改進(jìn)算法的識(shí)別時(shí)間減少到2～5s。因此，本文方法可以實(shí)現(xiàn)快速準(zhǔn)確的簡(jiǎn)單語音識(shí)別。
四、結(jié)束語
采用本文方法可以有效提高端點(diǎn)檢測(cè)的精度、語音識(shí)別的正確率和識(shí)別速度，該方法完全滿足簡(jiǎn)單語音識(shí)別系統(tǒng)的應(yīng)用。
參考文獻(xiàn)
[1]張振鋒.基于小詞匯量孤立詞語音識(shí)別系統(tǒng)的研究與設(shè)計(jì)[D].長安大學(xué)，2007.
【關(guān)鍵詞】隱馬爾可夫；語音識(shí)別；單片機(jī)
在這個(gè)高科技的信息時(shí)代，計(jì)算機(jī)占著極為重要的地位，人機(jī)通信是人與機(jī)器之間進(jìn)行信息通訊，使機(jī)器按照人的意愿工作，傳統(tǒng)的人機(jī)通信是通過鍵盤、按鈕以及顯示器等機(jī)器設(shè)備實(shí)現(xiàn)的，在許多場(chǎng)合都不是很方便，其最理想的通信方式就是通過語音進(jìn)行識(shí)別。實(shí)現(xiàn)人與機(jī)器通過自然語音的方式進(jìn)行信息通訊，不僅可以簡(jiǎn)化日常工作，更可以提高工作效率，帶給人們極大的方便。而實(shí)現(xiàn)這個(gè)理想最關(guān)鍵的部分就是語音識(shí)別技術(shù)。
1語音識(shí)別概述
1.1語音信號(hào)的產(chǎn)生
物體的振動(dòng)產(chǎn)生聲音，正在發(fā)聲的物體叫做聲源，聲音在介質(zhì)中以聲波的形式傳播。語音是指人的發(fā)聲器官振動(dòng)所發(fā)出的負(fù)載一定語言意義的聲音，發(fā)音器官主要有肺部、氣管、喉部、咽、鼻腔、口腔和上下唇，每個(gè)人的聲道各不相同，從而各自發(fā)出的聲音也不相同。
語音信號(hào)主要有模擬信號(hào)和數(shù)字信號(hào)兩種表現(xiàn)形式。模擬信號(hào)是人直接通過耳朵聽到的信號(hào)，是時(shí)間和幅值均連續(xù)的物理量，由于其數(shù)據(jù)量過大、有較多的隨機(jī)因素等原因不能直接被作為計(jì)算機(jī)的識(shí)別信號(hào)。數(shù)字信號(hào)是時(shí)間和數(shù)值均離散的二進(jìn)制數(shù)字量化的模擬信號(hào)，是計(jì)算機(jī)語音識(shí)別技術(shù)的基礎(chǔ)。數(shù)字信號(hào)相比模擬信號(hào)有以下優(yōu)點(diǎn)：可以實(shí)現(xiàn)很多復(fù)雜的信號(hào)處理工作；具有可靠性高、價(jià)格低廉、反應(yīng)迅速等特點(diǎn)；有利于區(qū)分出干擾信號(hào)等。所以要想使計(jì)算機(jī)按照人類的自然語言要求工作，關(guān)鍵的就是將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)。
1．2語音信號(hào)的處理
根據(jù)討論，若要對(duì)語音信號(hào)進(jìn)行處理必須先對(duì)此信號(hào)進(jìn)行預(yù)處理，即將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，再整理、分析、理解轉(zhuǎn)換后的數(shù)字信號(hào)，并過濾掉多余的信息。主要包括數(shù)字化、預(yù)加重和加窗分幀三部分。
數(shù)字化就是把語音模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)的采樣與量化過程，采樣是在相同間隔的時(shí)間內(nèi)抽取信號(hào)而得到離散的序列，并將其轉(zhuǎn)換為數(shù)字。量化則是在有限的區(qū)域內(nèi)分布采樣后的信號(hào)。預(yù)加重是通過一個(gè)高通濾波器使頻譜變得平坦，防止衰減作用，不受有限字長效應(yīng)的影響。以“幀”為單位對(duì)語音信號(hào)進(jìn)行截取，使信號(hào)有短時(shí)平穩(wěn)的特征，加窗則可以讓截取的信號(hào)波形更加平滑。
1．3語音信號(hào)的模塊處理
在語音識(shí)別中，常使用的基本算法有：動(dòng)態(tài)時(shí)間規(guī)整技術(shù)（DTW）、隱馬爾可夫模型（HMM）和人工神經(jīng)元網(wǎng)絡(luò)（ANN）。
1）隱馬爾可夫模型
隱馬爾可夫模型（HMM）在當(dāng)前語音識(shí)別系統(tǒng)中占據(jù)主流地位。它是一種隨機(jī)概率模型，其使用大大降低了模型的復(fù)雜度。早在20世紀(jì)六七十年代就開始研究的統(tǒng)計(jì)信號(hào)模型。HMM是在Markov鏈的基礎(chǔ)上發(fā)展起來的，但實(shí)際問題要更為復(fù)雜，所觀察到的事件與一組概率分布相關(guān)。它是一個(gè)雙重隨機(jī)過程，一個(gè)是Markov鏈，這是基本隨機(jī)過程，它描述狀態(tài)的轉(zhuǎn)移；一個(gè)是隨機(jī)過程描述狀態(tài)和觀測(cè)值之間的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系，觀察者不能直接看到狀態(tài)，而是由感覺感知到的，因此稱之為“隱”Markov模型，即HMM。
2）人工神經(jīng)網(wǎng)絡(luò)法
ANN現(xiàn)在已經(jīng)成為了另一個(gè)熱點(diǎn)，是非線性系統(tǒng)，具有DTW和HMM沒有的對(duì)比、概括、推理能力。
3）動(dòng)態(tài)時(shí)間規(guī)整技術(shù)
DTW是模板訓(xùn)練和模式匹配中出現(xiàn)最早的技術(shù)，使用動(dòng)態(tài)規(guī)劃技術(shù)在孤立詞語音識(shí)別中具有良好的成果，但是其計(jì)算量較大，很難被使用到現(xiàn)實(shí)中的語音識(shí)別。目前已經(jīng)被其他的算法所替代。
2語音識(shí)別系統(tǒng)設(shè)計(jì)思路
語音識(shí)別技術(shù)正在不斷的發(fā)展中，在硬件平臺(tái)上實(shí)現(xiàn)語音識(shí)別以取代繁瑣的工作成為其發(fā)展的必然趨勢(shì)。本文就是對(duì)基于單片機(jī)的語音識(shí)別系統(tǒng)的研究。由于單片機(jī)本身存在著處理速度慢、存儲(chǔ)能力不強(qiáng)大的缺陷，所以此次設(shè)計(jì)是基于孤立詞的語音識(shí)別系統(tǒng)。
語音識(shí)別系統(tǒng)的模型庫訓(xùn)練工作原理是：特定人的語音信號(hào)進(jìn)入系統(tǒng)，系統(tǒng)對(duì)進(jìn)入的語音信號(hào)濾波，目的是為了消除需要的語音頻率之外的其他雜音，進(jìn)而數(shù)模轉(zhuǎn)換，將輸入的語音模擬信號(hào)數(shù)字化，有利于計(jì)算機(jī)進(jìn)行識(shí)別。數(shù)字化后的語音信號(hào)再通過預(yù)處理、加窗分幀。對(duì)于剩下的語音信號(hào)送入HMM模板與模板庫進(jìn)行訓(xùn)練和匹配，再將最佳的結(jié)果傳輸給用戶。
3系統(tǒng)模塊設(shè)計(jì)及系統(tǒng)測(cè)試
此次設(shè)計(jì)是基于單片機(jī)的語音識(shí)別系統(tǒng)研究，有以下幾點(diǎn)要求：該系統(tǒng)必須使完整的語音識(shí)別系統(tǒng)，有簡(jiǎn)單的顯示功能，提高系統(tǒng)的識(shí)別性能，體積盡量減小。
工作原理首先采集語音信號(hào)，輸入完成后通過濾波采集需要的語音信號(hào)，再通過數(shù)模轉(zhuǎn)換器進(jìn)入控制器，再與標(biāo)準(zhǔn)語音庫中的語音信號(hào)進(jìn)行對(duì)比，找出最接近該段信號(hào)的語音，再將識(shí)別出的語音通過LCD顯示模塊顯示給用戶。
系統(tǒng)檢測(cè)首先確認(rèn)是否有按鍵按下，當(dāng)檢測(cè)到有按鍵按下時(shí)，表示系統(tǒng)開始運(yùn)行，如果沒有按下，則表示系統(tǒng)處于非工作狀態(tài)，只有當(dāng)有按鍵時(shí)，才可以工作。進(jìn)而開始接收語音信號(hào)，首先對(duì)語音信號(hào)進(jìn)行濾波消除雜音，然后通過數(shù)模轉(zhuǎn)換電路，將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，預(yù)處理、端點(diǎn)檢測(cè)后，與事先存儲(chǔ)好的信號(hào)進(jìn)行比對(duì)，得到最后的識(shí)別結(jié)果，將識(shí)別出來的結(jié)果，送往LCD液晶顯示器上顯示出來，展現(xiàn)給用戶。
此次設(shè)計(jì)通過MATLAB軟件實(shí)現(xiàn)對(duì)語音信號(hào)的調(diào)試。在接收語音信號(hào)時(shí)，有可能產(chǎn)生外界的干擾噪聲，這就需要我們通過一系列復(fù)雜的公式計(jì)算，對(duì)該信號(hào)進(jìn)行處理，進(jìn)而在送由單片機(jī)進(jìn)行下一步的工作。
4結(jié)束語
語音識(shí)別技術(shù)是實(shí)現(xiàn)人與計(jì)算機(jī)進(jìn)行直接對(duì)話，讓計(jì)算機(jī)自動(dòng)對(duì)人所說的話進(jìn)行識(shí)別、理解并執(zhí)行的技術(shù)手段。語音識(shí)別技術(shù)的應(yīng)用已經(jīng)成為一個(gè)被受關(guān)注的新型技術(shù)產(chǎn)業(yè)，它的實(shí)現(xiàn)能夠簡(jiǎn)化人們?cè)谝酝ぷ髦械姆爆崳磥碚Z音識(shí)別還要向低成本、高性能方向不斷發(fā)展。
【參考文獻(xiàn)】
[關(guān)鍵詞]語音識(shí)別系統(tǒng)；差異性；指標(biāo)需求
一、引言
語音作為語言的聲學(xué)體現(xiàn)，也是人類進(jìn)行信息交流最自然、和諧的手段。與機(jī)械設(shè)各進(jìn)行語音的溝通，讓機(jī)器可以明白人類在說什么，并理解這是人類長期的夢(mèng)想。語音識(shí)別技術(shù)，也被稱為自動(dòng)語音識(shí)別Automatic Speech Recognition，(ASR)，其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。語音識(shí)別技術(shù)的應(yīng)用包括語音撥號(hào)、語音導(dǎo)航、室內(nèi)設(shè)備控制、語音文檔檢索、簡(jiǎn)單的聽寫數(shù)據(jù)錄入等。語音識(shí)別技術(shù)與其他自然語言處理技術(shù)如機(jī)器翻譯及語音合成技術(shù)相結(jié)合，可以構(gòu)建出更加復(fù)雜的應(yīng)用，語音識(shí)別技術(shù)所涉及的領(lǐng)域包括：信號(hào)處理、模式識(shí)別、概率論和信息論、發(fā)聲機(jī)理和聽覺機(jī)理、人工智能等等。
二、語音信號(hào)分析與特征提取
1.基于發(fā)音模型的語音特征。(1)發(fā)音系統(tǒng)及其模型表征。其發(fā)聲過程就是由肺部進(jìn)行收縮，并進(jìn)行壓縮氣流由支氣管通過聲道和聲門引起的音頻振蕩所發(fā)生的。氣流通過聲門時(shí)使得聲帶的張力剛好使聲帶發(fā)生比較低的頻率的振蕩，從而形成準(zhǔn)周期性的空氣脈沖，空氣脈沖激勵(lì)聲道便會(huì)產(chǎn)生一些濁音；聲道的某處面積比較小，氣流沖過時(shí)便會(huì)產(chǎn)生湍流，會(huì)得到一種相似噪聲的激勵(lì)，對(duì)應(yīng)的則是摩擦音；聲道完全閉合并建立起相應(yīng)的氣壓，突然進(jìn)行釋放就是爆破音。(2)語音信號(hào)線性預(yù)測(cè)倒譜系數(shù)。被廣泛應(yīng)用的特征參數(shù)提取技術(shù)的就是線性預(yù)測(cè)分析技術(shù)，很多成功的應(yīng)用系統(tǒng)都是選用基于線性預(yù)測(cè)技術(shù)進(jìn)而提取的LPC倒譜系數(shù)作為應(yīng)用系統(tǒng)的特征。LPC倒譜就是復(fù)倒譜。復(fù)倒譜就是信號(hào)通過z進(jìn)行變換以后再取其對(duì)數(shù)，求反z變換所得到的譜。線性預(yù)測(cè)分析方法其實(shí)就是一種譜的估計(jì)方法，所以其聲道模型系統(tǒng)函數(shù)H(z)反映的就是聲道頻率激勵(lì)和信號(hào)的譜包絡(luò)，對(duì)IHg(z)作反z變換就可以得出其復(fù)倒譜系數(shù)。改復(fù)倒譜系數(shù)是依據(jù)線性預(yù)測(cè)模型直接獲得的，而又被稱為LPC倒譜系數(shù)(LPCC)。
2.基于聽覺模型的語音特征。(1)聽覺系統(tǒng)模型。一是人類的聽覺系統(tǒng)對(duì)于聲音頻率高低和聲波實(shí)際的頻率高低不是線性的關(guān)系，它對(duì)不同聲音頻率信號(hào)的敏感度是不一樣的，也可看成是對(duì)數(shù)關(guān)系。二是關(guān)于掩蔽效應(yīng)指的就是聲音A感知的閉值因?yàn)榱硗獾纳碛暗某霈F(xiàn)出現(xiàn)增大的現(xiàn)象。其生理依據(jù)主要是頻率群，對(duì)頻率群進(jìn)行劃分會(huì)出現(xiàn)許多的很小的部分，每一個(gè)部分都會(huì)對(duì)應(yīng)一個(gè)頻率群，掩蔽效應(yīng)就發(fā)生在這些部分過程中。所以在進(jìn)行相應(yīng)的聲學(xué)測(cè)量時(shí)，頻率刻度一般取非線性刻度。語音識(shí)別方面，主要的非線性頻率刻度有Mel刻度、對(duì)數(shù)刻度和Kon~nig刻度。其中Mel刻度被廣泛的應(yīng)用，其是最合理的頻率刻度。(2)語音信號(hào)Mcl頻率倒譜系數(shù)。Mel頻率倒譜系數(shù)利用人們耳朵的聽覺特性，在頻域?qū)㈩l率軸變換為Mcl頻率刻度，再變換到倒譜域得到倒譜系數(shù)。MFCC參數(shù)的計(jì)算過程：
一是對(duì)語音信號(hào)進(jìn)行相應(yīng)的預(yù)加重，從而確定了每一幀的語音采樣的長度，語音信號(hào)通過離散FFT變換得到其頻譜。二是求頻譜幅度的平方，得到能量譜，并選用一組三角濾波器在頻譜域?qū)δ芰窟M(jìn)行帶通濾波。帶通濾波器中心頻率一般是按照Mcl頻率刻度排列的(間隔為150Mel，帶寬為300Mel)，其每個(gè)三角形濾波器的兩個(gè)底點(diǎn)頻率和相鄰的兩個(gè)濾波器的中心頻率相等，頻率響應(yīng)之和為l。濾波器的個(gè)數(shù)一般和臨界帶數(shù)比較相近，設(shè)濾波器數(shù)是M，濾波后得到的輸出為：X(k)，k=1，2，…，M。
關(guān)鍵詞：語音識(shí)別；動(dòng)態(tài)時(shí)間規(guī)整（DTW）；數(shù)字信號(hào)處理器（DSP）
1 引言
語音識(shí)別按不同的角度有以下幾種分類方法：從所要識(shí)別的單位，有孤立詞識(shí)別、音素識(shí)別、音節(jié)識(shí)別、孤立句識(shí)別、連續(xù)語音識(shí)別和理解。目前已進(jìn)入識(shí)別的語音識(shí)別系統(tǒng)是單詞識(shí)別。以幾百個(gè)單詞為限定識(shí)別對(duì)象。從識(shí)別的詞匯量來分。有小詞匯（10-50個(gè)）、中詞匯（50-200個(gè)）、大詞匯（200以上）等。從講話人的范圍來分。有單個(gè)特定講話人、多講話人和與講話者者無關(guān)。特定講話人比較簡(jiǎn)單，能夠得到較高的識(shí)別率。后兩者難度較大，不容易得到高的識(shí)別率。 從識(shí)別的方法分。有模塊匹配法、隨機(jī)模型法和概率語法分析法。這三種都屬于統(tǒng)計(jì)模式識(shí)別方法。
2 系統(tǒng)硬件及組成
2.1 系統(tǒng)概述
語音識(shí)別系統(tǒng)的典型實(shí)現(xiàn)方案如圖1所示。輸入的模擬語音信號(hào)首先要進(jìn)行預(yù)處理，語音信號(hào)經(jīng)過預(yù)處理后，接下來重要的一環(huán)就是特征參數(shù)提取，其目的是從語音波形中提取出隨時(shí)間變化的語音特征序列。然后建立聲學(xué)模型，在識(shí)別的時(shí)候?qū)⑤斎氲恼Z音特征同聲學(xué)模型進(jìn)行比較，得到最佳的識(shí)別結(jié)果。
2.2 硬件構(gòu)成
本文采用DSP芯片為核心（圖2所示），系統(tǒng)包括直接雙訪問快速SRAM、一路ADC/一路DAC及相應(yīng)的模擬信號(hào)放大器和抗混疊濾波器。外部只需擴(kuò)展FLASH存儲(chǔ)器、電源模塊等少量電路即可構(gòu)成完整系統(tǒng)應(yīng)用。
2.3 系統(tǒng)主要功能模塊構(gòu)成
語音處理模塊采用TI TMS320VC5402， TMS320VC5402含4 KB的片內(nèi)ROM和16 KB的雙存取RAM，一個(gè)HPI（HostPortInterface）接口，二個(gè)多通道緩沖單口MCBSP（Multi-Channel Buffered SerialPort），單周期指令執(zhí)行時(shí)間10 ns，帶有符合IEEE1149.1標(biāo)準(zhǔn)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(jiǎn)單，性能高、功耗低，已成為當(dāng)前語音處理的主流產(chǎn)品。16位數(shù)據(jù)結(jié)構(gòu)，音頻采樣頻率為2～22.05 kHz，內(nèi)含抗混疊濾波器和重構(gòu)濾波器的模擬接口芯片，還有一個(gè)能與許多DSP芯片相連的同步串行通信接口。TLC320AD50C片內(nèi)還包括一個(gè)定時(shí)器（調(diào)整采樣率和幀同步延時(shí)）和控制器（調(diào)整編程放大增益、鎖相環(huán)PLL、主從模式）。TLC320AD50C與TMS320VC5402的硬件連接，如圖3所示。
3 結(jié)論
本文以TMS320VC5402芯片為核心的系統(tǒng)硬件設(shè)計(jì)迸行了研究，通過TLC320AD50C對(duì)語音信號(hào)進(jìn)行A/D轉(zhuǎn)換，通過TMS320VC5402對(duì)語音信號(hào)“0”、“1”、“2”進(jìn)行訓(xùn)練和識(shí)別，并由對(duì)于燈LED0、LED1、LED2亮來顯示結(jié)果是否正確；該系統(tǒng)核心識(shí)別算法采用動(dòng)態(tài)時(shí)間規(guī)整（DTW）算法，主要流程包括預(yù)處理、端點(diǎn)檢測(cè)、提取特征值、模式匹配和模板訓(xùn)練，取得了很好的識(shí)別效果。
參考文獻(xiàn)
[1] 朱銘鋯， 趙勇， 甘泉. DSP應(yīng)用系統(tǒng)設(shè)計(jì) [M].北京：電子工業(yè)出版社，2002.
[2] 郭華. 自適應(yīng)濾波算法及應(yīng)用研究[D].蘭州：西北師范大學(xué)，2007.
[3] 張雄偉..DSP芯片的原理與開發(fā)應(yīng)用[M].北京：電子工業(yè)出版社，2009.
[4] 張德豐. 數(shù)字圖象處理（MATLAB版）[M].北京：人民郵電出版社，2009.
作者簡(jiǎn)介
王宇，邵陽學(xué)院魏源國際學(xué)院電子科學(xué)與技術(shù)專業(yè)學(xué)生。
關(guān)鍵詞： 語音識(shí)別；DHMM；Viterbi；嵌入式系統(tǒng)；ARM
中圖分類號(hào)：TP399 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-4311（2012）04-0126-020引言
隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，各種各樣的應(yīng)用層出不窮，其中使用語音與計(jì)算機(jī)程序進(jìn)行交互成為了最近熱門的研究方向。語音作為人類與計(jì)算機(jī)之間無形的連接方式，可以使人們方便、快捷地控制和使用計(jì)算機(jī)。語音識(shí)別技術(shù)是能夠讓原來非智能的計(jì)算設(shè)備理解人類思想的高科技技術(shù)，融合了信號(hào)處理、人工智能以及自動(dòng)化等多學(xué)科、多領(lǐng)域的研究成果，是目前實(shí)現(xiàn)人工智慧的主要途徑之一。
根據(jù)不同的分類標(biāo)準(zhǔn)，語音識(shí)別可分為不同的種類，例如依據(jù)識(shí)別對(duì)象的不同，可分為特定人語音識(shí)別及非特定人語音識(shí)別；又根據(jù)人類的講話方式可分為孤立詞識(shí)別、連接詞識(shí)別以及連續(xù)語音識(shí)別。不同的識(shí)別系統(tǒng)雖然在語音識(shí)別過程中步驟相似，但根據(jù)不同系統(tǒng)的需求及特點(diǎn)其實(shí)現(xiàn)方式及具體細(xì)節(jié)是不同的[1]。
嵌入式技術(shù)的迅猛進(jìn)步，使得語音識(shí)別技術(shù)的應(yīng)用更加廣泛，不再局限于實(shí)驗(yàn)室以及大型場(chǎng)合；其已經(jīng)被嵌入各種移動(dòng)設(shè)備，為人們對(duì)移動(dòng)設(shè)備的操作方式提供了一種嶄新途徑和使用體驗(yàn)。本文就針對(duì)移動(dòng)設(shè)備的特點(diǎn)，設(shè)計(jì)了一種面向非特定人的孤立詞語音識(shí)別系統(tǒng)。
1語音識(shí)別的工作原理
原始的自然語音信號(hào)中不僅含有人體自身的聲音信號(hào)，同樣也包含了大量的雜音、噪聲等混雜在一起的隨機(jī)干擾信號(hào)，尤其作為移動(dòng)、嵌入式設(shè)備被使用者隨身攜帶使用，會(huì)有更多的環(huán)境噪聲信號(hào)。針對(duì)大量噪聲的數(shù)據(jù)計(jì)算以及嵌入式設(shè)備有限的計(jì)算資源，為保證系統(tǒng)的對(duì)自然語言的正確識(shí)別率，并且有效減少處理原始語音信號(hào)的大量數(shù)據(jù)密集計(jì)算，有必要研究語音信號(hào)的預(yù)處理技術(shù)，以期高效提取語音特征參數(shù)，并選取合適的壓縮算法進(jìn)行語音數(shù)據(jù)壓縮，之后再進(jìn)行語音的模式匹配[2]。
如圖1所示，人本身的語音信號(hào)從語音錄入設(shè)備進(jìn)入后，將進(jìn)行預(yù)處理、端點(diǎn)檢測(cè)、特征提取，轉(zhuǎn)換為可以對(duì)比的信號(hào)參數(shù)，然后將特征參數(shù)通過選取的特征匹配方法與參考樣例庫中的模板樣例進(jìn)行語言匹配，選擇符合度最大的語言樣例進(jìn)行相應(yīng)處理，得出識(shí)別結(jié)果。
2系統(tǒng)硬件設(shè)計(jì)
系統(tǒng)的硬件結(jié)構(gòu)示意圖如圖2所示。
系統(tǒng)的處理核心采用了韓國三星公司的一款基于ARM 920T內(nèi)核的S3C2440微處理器；此款處理器中的CMOS宏單元和存儲(chǔ)單元采用了0.18um電子工藝，內(nèi)部總線采用Advanced Microcontroller Bus Architecture（AMBA）新型總線結(jié)構(gòu)，具備出色的全靜態(tài)設(shè)計(jì)，利用了多項(xiàng)低功耗技術(shù)，系統(tǒng)架構(gòu)精簡(jiǎn)，特別為價(jià)格和功耗敏感的應(yīng)用而精心打造。除此之外，它特別為各種外設(shè)準(zhǔn)備了豐富的中斷處理資源，包括總計(jì)共有60個(gè)中斷源（其中包括5個(gè)定時(shí)器硬中斷，9個(gè)串口中斷，24個(gè)外部中斷，1個(gè)看門狗定時(shí)器，4個(gè)DMA，2個(gè)ADC，1個(gè)LCD，1個(gè)電池故障，1個(gè)IIC，2個(gè)SPI，1個(gè)SDI，2個(gè)USB，1個(gè)NAND FLASH口，2個(gè)視頻口和1個(gè)AC97音頻口），這些中斷既可以使用電平/邊沿觸發(fā)模式進(jìn)行外部中斷的觸發(fā)，也可以使用軟件編程的方式改變邊沿/電平觸發(fā)極性，能夠?yàn)榫o急中斷請(qǐng)求提供快速中斷（FIQ）服務(wù)[3]。
系統(tǒng)工作時(shí)，人的語音信號(hào)經(jīng)過MIC輸入，并通過濾波、去噪等操作后，在S3C2440上執(zhí)行語音特征提取、語音模式匹配算法，最終輸出結(jié)果；系統(tǒng)中的USB接口可以方便系統(tǒng)外擴(kuò)各種標(biāo)準(zhǔn)USB外設(shè)，以便使用語音識(shí)別結(jié)果進(jìn)行各種設(shè)備控制。
3系統(tǒng)軟件設(shè)計(jì)
3.1 Linux內(nèi)核移植移植Linux內(nèi)核一般分為幾個(gè)固定的步驟，目前較為流行快速開發(fā)方法通常先在內(nèi)核的處理器架構(gòu)目錄下，選擇與目標(biāo)開發(fā)板硬件結(jié)構(gòu)最接近的并且各種配置較為完善的開發(fā)板目錄作為移植模板。接著針對(duì)本開發(fā)板與目標(biāo)開發(fā)板的硬件具體差別，進(jìn)行對(duì)應(yīng)的修改或使用前人的移植補(bǔ)丁進(jìn)行升級(jí)。針對(duì)本開發(fā)板，我們使用了穩(wěn)定的Linux-2.6.15內(nèi)核進(jìn)行移植，考慮到本系統(tǒng)的具體硬件配置，最后選擇了SMDK2440開發(fā)板模板作為移植的目標(biāo)開發(fā)板模板。在編譯和配置內(nèi)核前，建議使用menuconfig或其它配置工具對(duì)內(nèi)核進(jìn)行適當(dāng)?shù)牟眉?，還可以進(jìn)一步編寫配置腳本。嵌入式Linux內(nèi)核的裁減類似于PC上Linux內(nèi)核的裁減，主要的工作是根據(jù)硬件和系統(tǒng)需求增添需要支持的模塊，并除去無用的功能模塊，以使Linux內(nèi)核與目標(biāo)硬件系統(tǒng)緊密相依，但要注意嵌入式Linux內(nèi)核的特征是小、精、有效。內(nèi)核的編譯則通常是通過修改根目錄以及其它子目錄下的Makefile，以及在預(yù)編譯前設(shè)置編譯參數(shù)值時(shí)進(jìn)行選定，或是使用編譯工具[4]。
最后，使用make工具生成U-boot可以識(shí)別的uImage引導(dǎo)程序鏡像文件。uImage鏡像文件通過U-Boot引導(dǎo)程序從FLASH中取出并解壓縮，裝入內(nèi)存后，Linux內(nèi)核便取得系統(tǒng)控制權(quán)。
Linux內(nèi)核移植的整個(gè)過程如圖3所示。
3.2 系統(tǒng)軟件設(shè)計(jì)整個(gè)系統(tǒng)軟件結(jié)構(gòu)如圖4所示。面向終端用戶的軟件形勢(shì)分為兩種：web插件和普通的軟件界面；web插件可以使用在瀏覽器中，方面用戶控制網(wǎng)頁瀏覽。下面是命令解析層Command layer，負(fù)責(zé)解釋兩種界面發(fā)送的命令，調(diào)用相應(yīng)的程序接口并返回執(zhí)行后的結(jié)果。功能模塊Function modules主要封裝軟件API，負(fù)責(zé)提供各種常用的功能服務(wù)?？刂颇KControl modules負(fù)責(zé)管理和控制語音識(shí)別引擎，建立語音樣例庫以及調(diào)整語音設(shè)備引擎的內(nèi)部參數(shù)，將來還可以加入新的語音模式匹配算法。再下面一層是統(tǒng)一APIs層，主要對(duì)核心語音識(shí)別引擎進(jìn)行簡(jiǎn)單的API封裝，同時(shí)預(yù)留了將來要擴(kuò)展的功能接口，以便后續(xù)的功能升級(jí)和代碼維護(hù)；最下面的就是核心語音識(shí)別引擎，主要提供模式匹配算法以及對(duì)底層系統(tǒng)級(jí)的控制功能。
3.3 語音識(shí)別算法本語音識(shí)別系統(tǒng)的識(shí)別任務(wù)主要為針對(duì)設(shè)備持有者的小詞匯量孤立詞的語音識(shí)別，功能較為簡(jiǎn)單，需要使用者進(jìn)行一定量的訓(xùn)練后，系統(tǒng)對(duì)應(yīng)建立語音樣例庫，然后針對(duì)每次的聲音進(jìn)行模式匹配即可，所以算法的重點(diǎn)在于模式匹配算法。綜合計(jì)算性能需要、存儲(chǔ)資源消耗以及價(jià)格成本考慮，目前流行的DHMM語言識(shí)別模型對(duì)本系統(tǒng)較為合適。DHMM模型是一種隨機(jī)統(tǒng)計(jì)過程，通過大量的模板訓(xùn)練過程提取語音特征，可滿足語音實(shí)時(shí)變化且識(shí)別實(shí)時(shí)性要求較高的應(yīng)用場(chǎng)合。
本系統(tǒng)采用了當(dāng)前性價(jià)比較高的Viterbi算法實(shí)現(xiàn)DHMM模型。Viterbi算法可以由如下公式描述[5]：
?啄t（i）=■p（s1，s2，…，st=si，O1，O2，…，Ot｜?姿）
其中，?啄t（i）為被識(shí)別語音序列t時(shí)刻的最大概率密度；其中t時(shí)刻前經(jīng)過的語音狀態(tài)序列為s1，s2，...st，且t時(shí)刻狀態(tài)為si，對(duì)應(yīng)輸出觀察符序列為O1，O2，...Ot。
4結(jié)束語
人類與計(jì)算機(jī)之間的交流的方式經(jīng)過了按鍵輸入、鍵盤輸入、手寫輸入以及觸摸輸入的階段，但這已經(jīng)不能滿足人們對(duì)于便捷、快速輸入的更高需求，而語音識(shí)別技術(shù)的發(fā)展和應(yīng)用，使得人們看到了計(jì)算機(jī)輸入的未來趨勢(shì)。相信隨著電子技術(shù)和信號(hào)處理技術(shù)的進(jìn)一步提高，語音輸入將會(huì)廣泛應(yīng)用于各種計(jì)算機(jī)以及嵌入式設(shè)備中。
參考文獻(xiàn)：
[1]馬莉，黨幼云.特定人孤立詞語音識(shí)別系統(tǒng)的仿真與分析[J].西安工程科技學(xué)院學(xué)報(bào)，2007，（03）.
[2]邢銘生，朱浩，王宏斌.語音識(shí)別技術(shù)綜述[J].科協(xié)論壇（下半月），2010，（03）.
[3]涂剛，陽富民等.嵌入式操作系統(tǒng)綜述[J].計(jì)算機(jī)應(yīng)用研究，2000，17（11）：4-6.
