一款語(yǔ)音口令識別系統的設計實(shí)現

引言

隨著(zhù)計算機技術(shù)和信息技術(shù)的迅速發(fā)展，語(yǔ)音口令識別已經(jīng)成為了人機交互的一個(gè)重要方式之一。語(yǔ)音口令識別系統將根據人發(fā)出的聲音、音節或短語(yǔ)給出響應，如通過(guò)語(yǔ)音口令控制一些執行機構、控制家用電器的運行或做出回答等。在數字信號處理芯片上已經(jīng)實(shí)現了語(yǔ)音口令識別系統或語(yǔ)音口令識別系統的部分功能，然而隨著(zhù)嵌入式微處理器處理能力的大幅度提高，計算量大的語(yǔ)音口令識別算法已經(jīng)能夠通過(guò)嵌入式微處理器來(lái)完成，將語(yǔ)音口令識別系統與嵌入式系統相結合，發(fā)揮語(yǔ)音識別系統的潛力，使語(yǔ)音識別系統能夠廣泛應用于便攜式設備中。

采用隱馬爾克夫模型(Hidden Markov MODEL，HMM) 描述語(yǔ)音信號的非平穩性和局部平穩性，HMM中的狀態(tài)與語(yǔ)音信號的某個(gè)平穩段相對應，平穩段之間以轉移概率相聯(lián)系。由于HMM建模對語(yǔ)音信號長(cháng)度和模型的混合度的要求都比較低，因此在現有的非特定人語(yǔ)音口令識別系統中，多采用狀態(tài)輸出具有連續概率分布的連續隱馬爾可夫模型(ConTInuous Density Hidden Markov MODEL，CDHMM)。

論文給出一種基于嵌入式系統的語(yǔ)音口令識別系統的設計方案，硬件系統的核心芯片是嵌入式微處理器，語(yǔ)音口令識別算法采用CDHMM。語(yǔ)音口令首先經(jīng)過(guò)預處理，提取MFCC(Mel-Frequency Ceptral Coefficients)特征參數，然后建立此口令的CDHMM模型，把所有語(yǔ)音口令的模型放在模型庫中，在識別階段，通過(guò)概率輸出*分，取*分最大的一個(gè)作為識別出的口令。將語(yǔ)音識別系統與嵌入式系統相結合，可以使語(yǔ)音口令識別系統廣泛應用于便攜式設備中。

1 硬件電路的設計和工作原理

基于嵌入式系統的語(yǔ)音口令識別系統需要有接收語(yǔ)音信號的輸入芯片配合麥克風(fēng)實(shí)現將模擬語(yǔ)音信號轉換成數字信號的功能，然后由嵌入式微處理器對輸入的語(yǔ)音口令信號進(jìn)行處理。完成語(yǔ)音口令信號輸入功能的芯片采用的是PHILIPS公司的低功耗芯片UDAl341TS，供電電源電壓為3V，該音頻處理芯片由模數/數模轉換(ADC)、控制邏輯電路、可編程增益放大器(PGA)和數字自動(dòng)增益控制器(DAGC)以及數字信號處理器等部分組成，能進(jìn)行數字語(yǔ)音處理。

芯片UDAl341TS采用標準的內部集成電路聲音總線(xiàn)IIS(Inter IC Sound Bus)，該總線(xiàn)是由PHILIPS等公司共同提出的數字音頻總線(xiàn)協(xié)議，專(zhuān)門(mén)用于音頻設備之間的數據傳輸，目前很多音頻芯片和微處理器都提供了對IIS總線(xiàn)的支持。

IIS總線(xiàn)有三根信號線(xiàn)，分別是位時(shí)鐘信號BCK(Bit Clock)、字選擇控制信號WS(Word Select)和串行數據信號Data，由主設備提供串行時(shí)鐘信號和字選擇控制信號，IIS總線(xiàn)的時(shí)序如圖1所示。

?

?

WS也稱(chēng)為幀時(shí)鐘信號，該信號的電平為低電平時(shí)，傳輸的輸入音頻數據信號是左聲道的音頻數據信號;信號WS的電平為高電平時(shí)，傳輸的輸入音頻數據信號是右聲道的音頻數據信號。BCK對應著(zhù)輸入音頻數據信號的每一位音頻數據，其頻率為2×采樣頻率×每個(gè)采樣值的位數。

與BCK同步的串行音頻數據信號采用補碼的形式傳輸，傳輸順序是高位先傳輸。IIS總線(xiàn)格式的信號無(wú)論有多少位有效數據，數據的最高位MSB總是出現在WS信號改變(也就是傳輸一幀數據信號開(kāi)始)后的第2個(gè)串行數據信號SCLK脈沖位置。

通過(guò)上述IIS總線(xiàn)能夠得到輸入的音頻數據信號，而其它的信號如自動(dòng)增益控制、輸入數據格式的選擇和輸入增益的控制等控制信號通過(guò)稱(chēng)為“L3” 形式的接口總線(xiàn)傳輸。為了減少引腳數和保持連線(xiàn)簡(jiǎn)單，該接口總線(xiàn)采用串行數據傳輸方式，接口總線(xiàn)由3條信號線(xiàn)組成：時(shí)分復用的數據通道線(xiàn)L3DATA、模式控制線(xiàn)L3MODE和時(shí)鐘信號線(xiàn)L3CLOCK。模式控制線(xiàn)L3MODE為低電平時(shí)的傳輸模式為地址傳輸模式;為高電平時(shí)的傳輸模式為數據傳輸模式。

語(yǔ)音口令識別系統的硬件電路的核心芯片是嵌入式微處理器Samsung S3C2440 AL，主頻為400MHz。三星公司推出的RISC微處理器S3C2440 AL具有低功耗、高性能等特點(diǎn)，可以廣泛應用于便攜式設備中。

S3C2440AL具有一個(gè)IIS總線(xiàn)音頻編碼/解碼接口，語(yǔ)音口令識別系統的硬件電路如圖 2所示。其IIS總線(xiàn)控制器通過(guò)5根信號線(xiàn)與UDAl34lTS編解碼芯片相連。這些5根信號線(xiàn)分別是：系統時(shí)鐘信號CDCLK：位時(shí)鐘信號I2- SSCLK;字選擇控制信號I2SLRCK;串行數據輸入信號I2SSDI;串行數據輸出信號I2SDO。S3C2440 AL使用L3接口傳輸其他(如自動(dòng)增益控制、輸入數據格式的選擇和輸入增益的控制等)控制信號。為了使系統間能夠更好地同步，S3C2440AL需要向芯片UDAl341TS提供CDCLK，該時(shí)鐘信號的頻率可以選擇采樣頻率的256倍、384倍或512倍。

?

?

2 基于CDHMM的口令識別的軟件設計

2.1 口令識別的軟件系統框圖

語(yǔ)音口令識別的軟件系統分別由特征參數提取、語(yǔ)音模型庫和概率輸出*分三大模塊組成，如圖3所示：1)語(yǔ)音口令特征參數的提取，輸入不同的語(yǔ)音口令，首先要進(jìn)行特征參數提取，采用Mel頻率參數作為CDHMM的建模參數，Mel頻率參數是根據人耳的聽(tīng)覺(jué)特性將語(yǔ)音信號的頻譜轉化為基于Mel頻率的非線(xiàn)性頻譜，然后轉換到倒譜域上。2)在訓練階段，對不同的語(yǔ)音口令建立CDHMM模型。3)在口令識別階段，通過(guò)概率輸出*分對待測語(yǔ)音口令做出識別。

?

?

語(yǔ)音口令首先經(jīng)過(guò)預處理，提取MFCC特征參數，然后建立此口令的CDHMM模型，把所有語(yǔ)音口令的模型放在模型庫中，在識別階段，通過(guò)概率輸出*分，取*分最大的一個(gè)作為識別出的口令。

2.2 CDHMM算法

HMM是一種雙重隨機過(guò)程，用概率統計的方法描述語(yǔ)音信號的產(chǎn)生及變化過(guò)程。HMM的模型參數為λ=(N，M，π，A，B)，其中，N為模型中馬爾克夫鏈的狀態(tài)數目;M為每個(gè)狀態(tài)對應的可能的觀(guān)察數目;π為初始狀態(tài)概率矢量，π=(π1，…，πN);A為狀態(tài)轉移矩陣，A=(aij)N*N;B 為觀(guān)察概率矩陣，B=(bjk)N*N。