孤立詞語(yǔ)音識別系統的DSP實(shí)現

通過(guò)這些表示幀號的整數坐標畫(huà)一些縱橫線(xiàn)即可形成一個(gè)網(wǎng)格，網(wǎng)格中何一個(gè)節點(diǎn)(n，m)表示測試模式中的某一幀和參考模式中的某一幀的交匯點(diǎn)。動(dòng)態(tài)時(shí)間規整算法可以歸結為尋找一條通過(guò)此網(wǎng)格中若干交叉點(diǎn)的路徑，路徑通過(guò)的交叉點(diǎn)即為參考模式和測試模式中進(jìn)行失真計算的幀號。路徑不是隨意選擇的，首先任何一種語(yǔ)音的發(fā)音快慢可能有變化，但是各部分的先后順序不可能改變，因此所選的路徑必定從左下角出發(fā)，在右上角結束。其次為了防止漫無(wú)目的的搜索，可以刪去那些向n軸方向或者m軸方向過(guò)分傾斜的路徑(例如，過(guò)分向n軸傾斜意味著(zhù)R(m)壓縮很大而T(n)擴張很大，而實(shí)際語(yǔ)音中這種壓、擴總是有限的)。為了引入這個(gè)限制，可以對路徑中各通過(guò)點(diǎn)的路徑平均斜率的最大值和最小值予以限制。通常最大斜率定為2，最小平均斜率定為1／2。路徑的出發(fā)點(diǎn)可以選擇(n，m)=(1，1)點(diǎn)，也可以選擇(n，m)=(1，2)或(1，3)或(2，1)或(3，1)…點(diǎn)出發(fā)。前者稱(chēng)為固定起點(diǎn)，后者稱(chēng)為松弛起點(diǎn)。同樣，路徑可在(n，m)=(N，M)點(diǎn)結束，也可以在(n，m)=(N，M-1)或(N，M-2)或(N-1，M)或(N-2，M)…點(diǎn)結束。前者稱(chēng)為固定終點(diǎn)，后者稱(chēng)為松弛終點(diǎn)。
使用DTW算法為核心直接構造識別系統十分簡(jiǎn)單，首先通過(guò)訓練得到詞匯表中各參考語(yǔ)音的特征序列，直接將這些序列存儲為模板。在進(jìn)行識別時(shí)，將待識語(yǔ)音的特征序列依次與各參考語(yǔ)音特征序列進(jìn)行DTW匹配，最后得到的總失真度最小且小于識別閾值的就認為是識別結果。該方法最顯著(zhù)的優(yōu)點(diǎn)是識別率極高，大大超過(guò)目前多數的HMM語(yǔ)音識別系統和VQ語(yǔ)音識別系統。但其最明顯的缺點(diǎn)是由于需要對大量路徑及這些路徑中的所有節點(diǎn)進(jìn)行匹配計算，導致計算量極大，隨著(zhù)詞匯量的增大其識別過(guò)程甚至將達到難以接受的程度，因此無(wú)法直接應用于大、中詞匯量識別系統。

4 結 語(yǔ)
以本系統為基礎開(kāi)發(fā)了一種語(yǔ)音撥號系統，經(jīng)過(guò)大量實(shí)驗表明，該系統電路運行穩定，且識別率可以達到90％。系統成本低，稍加改進(jìn)就可把該語(yǔ)音識別模塊移植應用到各種系統設備中。