嵌入式實(shí)時(shí)音樂(lè )語(yǔ)音識別系統的實(shí)現

引言

隨著(zhù)電子音樂(lè )的快速發(fā)展， 迫切需要一種更智能、更便捷的用戶(hù)操作系統。自動(dòng)音樂(lè )語(yǔ)音識別系統能夠提供便利的人機交互[1]，方便人們自己學(xué)習音樂(lè )知識， 將成為一種主要方法，也是一個(gè)發(fā)展的方向。目前， 實(shí)驗室環(huán)境中自動(dòng)語(yǔ)音識別系統已經(jīng)取得了很好的效果， 但是應用于電子音樂(lè )方面的自動(dòng)音樂(lè )語(yǔ)音識別卻很少。當自動(dòng)語(yǔ)音識別應用于電子音樂(lè )時(shí)， 必須對識別方法進(jìn)行相應改進(jìn)， 才能滿(mǎn)足其對運算速度、內存資源等方面的要求。為了解決這個(gè)問(wèn)題， 本文將結合音樂(lè )語(yǔ)音的特點(diǎn)，設計并實(shí)現嵌入式音樂(lè )語(yǔ)音識別系統。

1系統硬件電路設計系統

硬件電路設計的原理框圖如圖1所示,它主要由音樂(lè )語(yǔ)音信息采集部分、音樂(lè )語(yǔ)音處理DSP部分、程序數據存儲器FLASH部分、數據存儲器SRAM部分、鍵盤(pán)管理部分、音源芯片語(yǔ)音輸出部分、以及電源部分組成。音樂(lè )語(yǔ)音信息采集部分主要由MCU GPL162001來(lái)完成，該芯片自帶12bit ADC和72個(gè)I/O口，方便鍵盤(pán)管理,。音樂(lè )語(yǔ)音處理DSP部分選用了目前通用的TI公司的TMS320VC5402 16位微處理器,處理速度快,最快運行速度可達100MIPS,功耗低,是一款理想的DSP處理器?？紤]到速度要求較快,DSP的晶振選用100MHZ的晶振。另外，由于音樂(lè )輸出要求有專(zhuān)業(yè)的樂(lè )音效果，電路中選擇了由中芯微公司提供的64和弦MIDI音頻處理芯片。此外，TMS320VC5402片上沒(méi)有FLASH且片內RAM只有16Ｋ,考慮到語(yǔ)音數據比較大，我們外擴了1M的FLASH芯片和64K的SRAM芯片。 DSP（TMS320VC5402） 是整個(gè)硬件系統的信號處理中心，完成音樂(lè )語(yǔ)音識別工作， 進(jìn)行RAM及FLASH 存儲芯片的數據管理與調度， 并向主控芯片 MCU 提供反饋信息。電源的工作電壓為3.3V。

圖1 系統原理圖

2系統的軟件實(shí)現

和大部分語(yǔ)音識別系統一樣，音樂(lè )語(yǔ)音識別系統本質(zhì)也是一種模式識別系統。它的基本流程圖如圖2所示,主要包括語(yǔ)音信號預處理，端點(diǎn)檢測，特征參數求取和語(yǔ)音識別等幾個(gè)步驟。

圖2 系統識別算法流程圖

2.1語(yǔ)音信號預處理

語(yǔ)音信號預處理主要是對語(yǔ)音信號進(jìn)行前期的優(yōu)化處理，方便后面的端點(diǎn)檢測和語(yǔ)音識別，語(yǔ)音信號預處理主要包括分幀處理、預加重處理、加窗處理、濾波和消除毛刺處理等。

2.1.1語(yǔ)音信號的分幀

語(yǔ)音信號的特征是隨著(zhù)時(shí)間而變化的,只有在一段短的時(shí)間間隔中,語(yǔ)音信號才保持相對穩定一致的特征, 通常這段時(shí)間取5～50ms。在程序中取200個(gè)采樣點(diǎn),對于8k的采樣頻率,即相當于25ms。幀間重疊為100個(gè)采樣點(diǎn),亦即12.5ms。

2.1.2預加重

由于語(yǔ)音信號平均功率譜受聲門(mén)激勵和口鼻輻射影響，800HZ以上的高頻信號按6DB/倍頻跌落，所以求語(yǔ)音信號頻譜時(shí)，頻率越高相應成分越少，高頻部分的頻譜比低頻部分難求，所以要進(jìn)行預加重處理。在數字語(yǔ)音信號處理中,數字語(yǔ)音信號通常都通過(guò)一個(gè)低階的系統(典型的是一個(gè)一階的濾波器)，即 式中, 為預加重系數,通常 最為常用的取值是在0.95附近。由于本系統采用的是 =0.94

2.1.3加窗

對每一幀語(yǔ)音進(jìn)行加窗實(shí)質(zhì)是語(yǔ)音波形乘窗函數，為減少時(shí)間窗兩端的坡度，使窗口邊緣兩端平滑過(guò)渡到零，減小語(yǔ)音幀的截斷效應， 這里采用典型的應用在語(yǔ)音識別系統中加hamming窗。

2.1.4濾波、消除毛刺

由于語(yǔ)音信號包含很多噪聲信號，這些噪聲信號在時(shí)域中表現出高頻隨機、毛刺等信號，這些信號很可能影響識別的效果，所以，對信號進(jìn)行帶通濾波和消除毛刺處理能很好提高識別的精度。由于人聲主要在60-1000HZ ，采用50-1000HZ的FIR帶通濾波器對原信號進(jìn)行濾波，即可獲得良好的效果。 消除毛刺影響主要采用語(yǔ)音信號峰谷值檢測的方法，把相鄰兩峰值之間很不明顯的谷值和相鄰兩谷值之間很不明顯的峰值去掉，對語(yǔ)音曲線(xiàn)中一些較小的毛刺進(jìn)行曲線(xiàn)整形，消除那些明顯的毛刺！