DSP嵌入式說(shuō)話(huà)人識別系統的設計與實(shí)現
加入技術(shù)交流群
1．6 說(shuō)話(huà)人身份識別的結果顯示
說(shuō)話(huà)人的身份顯示通過(guò)LED的組合顯示確定。在DSK上有4只LED燈，將每個(gè)LED燈看成是一位二進(jìn)制數。則4個(gè)LED燈最大可表示16個(gè)人的身份。該系統取前10個(gè)組合來(lái)表示所識別的說(shuō)話(huà)人的身份。
1．7 自舉的實(shí)現
以上程序都是通過(guò)PC機與DSP組合實(shí)現，要想使系統在DSP上單獨完成，還必須實(shí)現自舉。該系統采用ROM方式自舉。在自舉實(shí)現過(guò)程中，程序的燒寫(xiě)可以通過(guò)CCS自帶的FLASHBorn工具實(shí)現。在燒寫(xiě)過(guò)程中應正確的分配FLAH ROM的空間。FLASHROM空間總體分為程序存儲區和數據存儲區，經(jīng)計算，程序代碼段大小為0x162C0，故在FLASH ROM中劃分127 KB的空間供程序代碼使用，空間中未使用的部分供程序擴展使用。數據存儲區劃分的大小為64 KB的空間，每個(gè)說(shuō)話(huà)者模型參數占用空間為4．2 KB左右，最多可存放15個(gè)說(shuō)話(huà)人GMM模型參數。該系統訓練者數目為10個(gè)，占用空間為42 KB左右。剩余的空間可用來(lái)擴展訓練人數，也可用于后期系統的改進(jìn)。如可以利用語(yǔ)音提示來(lái)顯示說(shuō)話(huà)人身份，而提示語(yǔ)音的數據可以存放于此區域。具體的存儲的安排如表1所示。本文引用地址：http://dyxdggzs.com/article/152184.htm
2 系統的算法與軟件設計
說(shuō)話(huà)人識別系統的實(shí)現方案如圖3所示。
輸入的模擬語(yǔ)音先通過(guò)預處理，包括預濾波、采樣、量化、加窗、端點(diǎn)檢測、預加重等。語(yǔ)音經(jīng)過(guò)預處理后進(jìn)行特征提取。在訓練階段，對提取的特征進(jìn)行相應的處理后就可以獲得參考模型。識別階段，語(yǔ)音通過(guò)同樣的通道獲得特征參數，生成測試摸型，之后將測試摸型與參考摸型進(jìn)行匹配，從而根據判決邏輯獲得判決結果。
2．1 語(yǔ)音信號的端點(diǎn)檢測
語(yǔ)音信號的端點(diǎn)檢測目的是去除語(yǔ)音信號中的噪聲段。端點(diǎn)檢測從很大程度上影響到識別率。常用方法有短時(shí)能量法，短時(shí)過(guò)零率法和雙門(mén)限法等。本系統選用雙門(mén)限法，實(shí)驗表明，效果優(yōu)于前兩種方法。在雙門(mén)限方法端點(diǎn)檢測中，閾值的選擇尤為關(guān)鍵，該系統的語(yǔ)音采樣頻率設為8 kHz，語(yǔ)音分幀為每幀80個(gè)點(diǎn)。經(jīng)過(guò)多次實(shí)驗，這里短時(shí)能量低閾值通過(guò)式(3)的動(dòng)態(tài)方式得到，高閾值設為低閾值的5倍。而過(guò)零率的閾值選取應充分考慮到噪聲的影響，通過(guò)大量實(shí)驗發(fā)現系統中噪聲的過(guò)零率一般不超過(guò)5，所以對過(guò)零率的閾值選取為25，取得了很好的效果，準確率達到95％以上。
ITU=0．03(amp_max-amp_min)+amp_min (3)
在端點(diǎn)檢測過(guò)程中有時(shí)會(huì )遇到突發(fā)性的干擾噪聲，這種噪聲持續時(shí)間很短，一般小于5 ms。為了消除這種干擾，這里用檢測后的起止長(cháng)度判斷它是不是語(yǔ)音。如果所檢測到的語(yǔ)音長(cháng)度足夠的短，則可以把它當成是噪聲。
2．2 特征參數的提取
語(yǔ)音信號的特征提取是說(shuō)話(huà)人身份識別的難點(diǎn)。能否用相對簡(jiǎn)單的方法提取出一種最能體現說(shuō)話(huà)人個(gè)性信息的特征將成為以后研究的方向。該系統中用的是能體現人耳聽(tīng)覺(jué)特性的Mel倒譜系數(MFCC)。
評論