基于Julius的機器人語(yǔ)音識別系統構建
加入技術(shù)交流群
2 系統框架
2．1 硬件結構
在語(yǔ)音識別的機器狗控制系統中Atom Z510為訓練學(xué)習機大腦(1．1 GHz主頻的Intel Atom Z510嵌入式控制平臺)，它主要完成語(yǔ)音識別的功能。PXA270控制器(Intel公司于2003年底推出的性能強勁的PXA27x系列嵌入式處理器，基于ARMv5E的XScale內核，最高頻率可達624MHz)作為機器狗本體上的核心智能控制器，接收Atom Z510識別后的結果，發(fā)出控制命令。ATmega128控制器(Atmel公司的8位系列單片機中的一種，運行頻率16 MHz)完成基于串行總線(xiàn)的數字舵機控制，完成對機器狗的前后腿以及尾巴等關(guān)節控制。機器狗硬件結構平臺如圖2所示。本文引用地址：http://dyxdggzs.com/article/161552.htm
2．2 軟件結構
整個(gè)機器人系統包括3個(gè)模塊：Julius語(yǔ)音識別模塊、GUI人機界面、機器人控制模塊。Julius將識別的語(yǔ)音命令提交給GUI模塊，并在GUI上顯示；同時(shí)GUI將語(yǔ)音命令轉化為動(dòng)作控制命令并發(fā)給機器人控制模塊；GUI還可以控制Julius的啟動(dòng)和停止。其中機器人控制模塊主要在PXA270上，而語(yǔ)音識別和GUI是在A(yíng)tom Z510上。系統軟件模型如圖3所示。
3 語(yǔ)音識別系統構建
一個(gè)完整的語(yǔ)音識別系統一般包括3部分：聲學(xué)模型、語(yǔ)言模型和識別器。在本系統中只建立基于控制命令(動(dòng)詞)的識別語(yǔ)法，其他詞忽略，因此沒(méi)有構建語(yǔ)言模型；識別器采用Julius開(kāi)源平臺，此部分只用配置參數和相關(guān)文件。本文主要工作是聲學(xué)模型訓練和語(yǔ)音識別系統構建。
3．1 聲學(xué)模型訓練
聲學(xué)模型是識別系統的底層模型，是語(yǔ)音識別系統中最關(guān)鍵的一部分，它是每個(gè)聲學(xué)單元的聲學(xué)模型參數集合。本系統的聲學(xué)模型是使用HTK對采集的語(yǔ)音庫進(jìn)行多次迭代訓練后提取的，基于詞的聲學(xué)特征向量集。HTK(HMM Tools Kit)是由英國劍橋大學(xué)工程系的語(yǔ)音視覺(jué)和機器人技術(shù)工作組(Speech Vision and Robotics Group)開(kāi)發(fā)，專(zhuān)門(mén)用于建立和處理HMM的實(shí)驗工具包，主要應用于語(yǔ)音識別領(lǐng)域，也可用于語(yǔ)音模型的測試和分析。其具體訓練步驟如下：
(1)數據準備
收集漢語(yǔ)標準普通話(huà)的語(yǔ)料庫，并將語(yǔ)料庫中的語(yǔ)音標記，創(chuàng )建語(yǔ)音識別單元元素列表文件。
(2)特征提取
本系統采用MFCC進(jìn)行語(yǔ)音的特征參數提取，訓練中將每一個(gè)語(yǔ)音文件用工具HCopy轉換成MFCC格式。
(3)HMM定義
在訓練HMM模型時(shí)要給出模型的初始框架，本系統中的HMM模型選擇同一個(gè)結構，如圖4所示。該模型包含4個(gè)活動(dòng)狀態(tài){S2，S3，S4，S5)，開(kāi)始和結束(這里是S1．S6)，是非發(fā)散狀態(tài)。觀(guān)察函數bi是帶對角矩陣的高斯分布，狀態(tài)的可能轉換由aij表示。
評論