基于凌陽(yáng)單片機的通用型語(yǔ)音控制系統

(1)預處理。包括預加重、加窗分幀、端點(diǎn)檢測等處理過(guò)程，在預處理之前還有語(yǔ)音信號的數字化處理過(guò)程。其中，包括反混疊濾波、模／數轉換自動(dòng)增益等用以去除聲門(mén)激勵、口鼻輻射、高于1／2采樣率的高頻信號和噪聲信號的影響，以實(shí)現語(yǔ)音信號的數字化。
(2)聲學(xué)特征分析提取。經(jīng)過(guò)預處理后的語(yǔ)音信號，要對其進(jìn)行特征提取，即特征參數分析。該過(guò)程就是從原始語(yǔ)音信號中抽取能夠反映語(yǔ)音本質(zhì)的特征參數，以形成特征矢量序列。目前語(yǔ)音識別所用的特征參數主要有2種類(lèi)型：線(xiàn)性預測倒譜系數(LPCC)和美爾頻標倒譜系數(MFCC)。LPCC系數主要是模擬人的發(fā)聲模型，未考慮人耳的聽(tīng)覺(jué)特性。MFCC系數考慮到了人的聽(tīng)覺(jué)特性，但要計算傅里葉變換將耗費大量寶貴的計算資源。因此，在嵌入式語(yǔ)音識別系統中一般都選用LPCC系數。語(yǔ)音特征提取是分幀提取的，每幀特征參數一般構成一個(gè)矢量。為此，有必要采用很有效的數據壓縮技術(shù)方法對數據進(jìn)行壓縮。
(3)參考模板。參考模版時(shí)將一個(gè)或多個(gè)說(shuō)話(huà)者多次重復的語(yǔ)音參數經(jīng)過(guò)訓練得到，它是聲學(xué)參數模版，在系統識別使用前獲得并存儲起來(lái)。
(4)判定識別。模式識別是將輸入的待識別語(yǔ)音特征參數與訓練得到的參考語(yǔ)音模式進(jìn)行逐一比較分析，獲得的最佳匹配參考模式便為識別結果。目前常用的語(yǔ)音識別算法主要有動(dòng)態(tài)時(shí)間規則、離散隱馬爾可夫模型、連續隱馬爾可夫模型及人工神經(jīng)網(wǎng)。
3．2 語(yǔ)音識別系統原理和算法
在SPCE061A內置的8通道10位模／數轉換器(analog to digital converter，ADC)中專(zhuān)門(mén)設置了一個(gè)只用于語(yǔ)音輸入的通道MIC_IN，針對較弱信號的轉換還設計了一個(gè)音頻放大器(automation gain control，AGC)。對其自動(dòng)增益控制放大后再進(jìn)行A／D轉換。實(shí)際上，可以把模／數轉換器看作是一個(gè)實(shí)現模／數信號轉換的編碼器。ADC轉換的原理是依次把設定在逐次逼近寄存器SAR中的數字送至10位DAC0中進(jìn)行D／
A轉換。DAC0的電壓模擬量輸出值與外部的電壓模擬量輸入值進(jìn)行比較，以便盡快找出外部電壓模擬量的數字量輸出，其輸出的模擬量VDAC0與采樣后的輸入電壓值VIN相比較時(shí)可采用對半搜索法，即從SAR中最高有效位開(kāi)始，根據比較的大小逐位確定其數碼取“1”，其余位為“ 0”。語(yǔ)音識別算法的原理是：在訓練過(guò)程中，從每個(gè)說(shuō)話(huà)人發(fā)出的訓練語(yǔ)句中提取相應的能充分描述各個(gè)說(shuō)話(huà)人行為的特征矢量，這些特征矢量稱(chēng)為各說(shuō)話(huà)人的模板。在測試階段，從說(shuō)話(huà)人發(fā)出的語(yǔ)音信號中按同樣的處理方法提取測試模板，并與相應的參考模板相比較。由于說(shuō)話(huà)人每次發(fā)音是變化的，測試模板和參考模板在時(shí)間尺度上不可能完全一致。為了使二者能在時(shí)間等效點(diǎn)上加以比較，采用了動(dòng)態(tài)時(shí)間規整
法(DTW)?；驹硎窃趨⒖紭颖咎卣魇噶啃蛄蠥=[a1，a2，…，aM]與待識語(yǔ)音特征矢量序列B=[b1，b2，…，bN]之間用一種非線(xiàn)性規整技術(shù)實(shí)現匹配。從目前來(lái)看，基于動(dòng)態(tài)時(shí)間規整匹配的DTW算法可能是一個(gè)最為小巧的語(yǔ)音識別算法，系統開(kāi)銷(xiāo)小，識別速度快，在小詞匯量的語(yǔ)音命令控制系統中是一個(gè)非常有效的算法。在訓練階段，用戶(hù)將詞匯表中的詞依次說(shuō)一遍，提取出每一幀采樣數據的特征向量，并將特征向量作為模板存入模板庫中。在識別階段，提取待識語(yǔ)音的特征向量，然后將其依次與模板庫中的每一個(gè)模板進(jìn)行相似度比較，并將相似度最高者作為結果輸出。