支持向量機語(yǔ)音識別算法在OMAP5912上的移植

　　隨著(zhù)語(yǔ)音識別和語(yǔ)音合成技術(shù)的不斷更新與發(fā)展，將語(yǔ)音識別技術(shù)應用于嵌入式產(chǎn)品中已得到廣泛應用。SVM(支持向量機)作為統汁概率模型已經(jīng)被證明是一種很好的識別模型。OMAP5912處理器是由TI公司的TMS320C55X型DSP內核與低功耗、增強型ARM926EJ-S微處理器組成的雙核應用處理器。ARM核可滿(mǎn)足控制和接口方面的需要，DSP核以其低功耗高性能來(lái)實(shí)現多媒體應用。目前存 0MAP平臺上實(shí)現的多媒體應用有語(yǔ)音、音頻、圖像、視頻等。在實(shí)驗室開(kāi)發(fā)的基于0MAP5912嵌入式語(yǔ)音識別系統上進(jìn)行基于SVM的語(yǔ)音識別程序開(kāi)發(fā)。

　　1 SVM多類(lèi)分類(lèi)方法

　　SVM最初是為處理兩類(lèi)分類(lèi)問(wèn)題而設計的，如何有效地處理多類(lèi)分類(lèi)問(wèn)題目前仍是一個(gè)持續研究的課題。采用SVM中的“一對一”方法實(shí)現多類(lèi)分類(lèi)，下面對這種方法進(jìn)行簡(jiǎn)單介紹。

　　S.Knerr等在1990年首次介紹了“一對一”方法。J.Friedman在1996年和U KreBel在1999年分別首次在支持向量機中使用這種方法。它需要構造k(k-1)/2個(gè)分類(lèi)器，每個(gè)分類(lèi)器由特定的某兩類(lèi)訓練樣本訓練得到，判定測試樣本的類(lèi)別時(shí)，結合所有兩類(lèi)分類(lèi)器對測試樣本類(lèi)別的判定意見(jiàn)，采用“投票法”的策略，并認為得票數最多(Max Wins)的類(lèi)別就是測試樣本所屬的類(lèi)別。具體如下：考慮K類(lèi)的分類(lèi)問(wèn)題，設訓練集

　　首先對所有的(i，j)∈{(i，j)|i≤j，i，j=1，…，K}進(jìn)行運算：從訓練集

　　約束條件為：

　　通過(guò)求解式(3)的最優(yōu)化問(wèn)題得到k(k-1)/2個(gè)決策函數，如果函數