人工智能-语音识别-基于DSP智能驾驶的语音识别系统研究.pdf

Abstract

II

Abstract

In recent years, research on speech recognition technology is very active, and it’s

theory and implementation has made a major breakthrough. Using speech recognition

technology products are more and more, and coverage is quite extensive, such as in the use

of electronic communications systems, military, transportation, industrial, medical and so

on. Speech recognition technology has become a challenge for high and new-tech industry

is highly competitive, which inspired the strong interest of researchers and in-depth

Speech recognition system of core algorithms mainly consists of pre-emphasis and

sub-frame window of pre-processing, the endpoint detection, feature parameters of the

calculation, DTW (dynamic time bending) algorithm, the improved DTW algorithm, SVM

(support vector machine), grid search parameter optimization and genetic parameter

optimization algorithm and improved DTW/SVM algorithm. In this paper, on the first of

these algorithms in Matlab platform simulation, and then the corresponding C code and

assembly code to write on CCS software platform and debug, and ultimately burns wrote

to DSK6713 on the development and application board of validated speech recognition

system is implemented at the hardware development. DSK6713 and TLV320AIC23 voice

capture chip as the entire hardware core, set to system initialization, the speech signal

Key Words: Speech Recognition；MFCC；DTW；SVM；DSP

目 录

III

目 录

摘 要 ......................................................................................................................................I

Abstract..................................................................................................................................II

第一章 绪论 ......................................................................................................................... 1

§1.1 选题背景及意义 ................................................................................................... 1

§1.2 语音识别系统的研究现状 ................................................................................... 2

§1.3 语音识别技术目前遇到的问题 ........................................................................... 3

§2.3 特征参数提取 ..................................................................................................... 12

§2.3.1 LPCC 参数 ................................................................................................. 12

§2.3.2 MFCC 参数................................................................................................ 14

§2.4 本章小结 ............................................................................................................. 16

第三章 语音识别算法及 Matlab 仿真分析...................................................................... 17

§3.1 DTW 算法及其在 Matlab 的实现....................................................................... 18

§3.1.1 DTW 算法.................................................................................................. 18

§3.1.2 DTW 算法在 Matlab 的实现..................................................................... 20

§3.2 改进的 DTW 算法.............................................................................................. 21

§3.3 支持向量机 ......................................................................................................... 23

§3.4.2 网格搜索算法 ........................................................................................... 31

§3.4.3 GA 遗传算法 ............................................................................................. 32

§3.5 DTW 算法与 SVM 算法的结合 ......................................................................... 35

目 录

IV

§3.6 本章小结 ............................................................................................................. 36

第四章 语音识别算法在 DSP 上的实现.......................................................................... 37

§4.1 TMS320C6713 DSK 简介 ................................................................................... 37

§4.2 识别系统的硬件结构 ......................................................................................... 38

§4.2.1 语音数据采集模块 ................................................................................... 38

§4.4 语音识别系统软件设计 ..................................................................................... 47

§4.5 本章小结 ............................................................................................................. 50

第五章 实验结果及性能分析 ........................................................................................... 51

§5.1 语音库的建立 ..................................................................................................... 51

§5.2 基于 Matlab 语音识别系统的实验结果及分析................................................ 51

§5.3 语音识别系统在 DSP 的实现及分析................................................................ 55

§5.4 本章小结 ............................................................................................................. 56

第六章 总结与展望 ........................................................................................................... 57

§6.1 总 结 ................................................................................................................... 57

§6.2 展 望 ................................................................................................................... 57

效的解决这方面的难题而成为许多学者研究的热点方向。汽车已经成为人们最便捷也

是最重要的交通工具，因此对智能驾驶的语音识别技术的研究具有非常重大的现实意

义和非常好的发展前景。

对语音识别技术的不断深入研究，逐渐从理论分析变成实际产品，从实验室走向

市场。语音识别技术是一门覆盖性较广的边缘学科，它覆盖了语音信号处理、人工智

能、密码学和信息处理等领域，在电子工业、汽车、医学器械、家庭服务等领域有着

非常广泛的应用。然而语音识别是一项涉及领域比较广而且难度特别大以及科技含量

非常高的项目，一直存在许多非常难解决的问题。目前，国内外往语音识别研究领域

投入了大量的人力和财力，极大促进了该技术的发展和应用，它正处于黄金发展时期。

目前对智能驾驶的语音识别系统的研究非常少，在 DSP 上对其研究和实现则更

进行训练和建立庞大的数据库，计算量非常大而且占据较大的存储空间。ANN 算法

具有非常强的自学能力和自组织能力以及很强的顽健性，但是其计算过程过于复杂，

计算量也非常的庞大，该算法在硬件上运行的速度比较慢，不利于语音识别的实时性。

SVM (支持向量机)在处理小样本、非线性、高维数等实际问题中有很多独特的优点，

如在语音识别、说话人识别等领域中表现出良好的性能，而且具有非常出色的学习能

力。由于语音是随机非平稳、长短不一的信号，但是 SVM 只能处理相等长度的向量，

而 DTW(动态规划)算法能有效的解决语音信号长短不一的问题并且其计算过程比较

简单。故本文将使用 SVM 和 DTW 相结合的方法来作为识别系统的识别算法。

基于 DSP 智能驾驶的语音识别系统研究

§1.2 语音识别系统的研究现状

到了 20 世纪 60 年代，RCA 实验室设计了时间归正技术有效解决了语音信号长

短不一的问题，使语音识别性能得到明显的改进。斯坦福大学的 Reddy 教授开始对连

续语音识别进行研究，取得了重大的突破，极大的推动了连续语音识别的发展。

进入 20 世纪 70 年代，对语音识别的研究得到突破性的发展。DTW(动态规划)

算法成功应用到小词汇量、孤立词语音识别系统中，基于语音编码中常用的 LPC (线

性预测编码)的倒谱参数 LPCC

码本生成问题得到解决，而且成功的把 VQ 技术应用到了语音识别中。

到了 20 世纪 80 年代，语音识别技术的研究又向前迈进了一大步。HMM(隐马尔

可夫)算法的出现，并把该算法应用到语音识别系统，使系统的性能得到非常大的改

运用到了语音识别系统中。语音识别技术经过不断的改进和完善，开始从实验室走向

市场。许多知名大公司如 Apple、IBM、微软等都投入大量的人力财力对语音识别系

统的实用化进行研究开发。他们相继推出了自己的研究产品，如 Sun 的 VoiceTone、

Microsoft 的 Whisper、IBM 的 ViaVoice 系统等。

进入 21 世纪，随着嵌入式语音信号处理技术的高速发展。许多公司已经推出了

一些性能非常好的语音识别芯片，比如飞利浦公司的 Hello IC 以及 Unilite 等语音识

别芯片在嵌入式硬件设计中有着非常重要的应用。在语音识别系统软件方面则有 IBM

的 Via Vioce 以及微软的 SAPI 等。

现在，语音识别技术已经在许多领域得到了广泛的应用。例如 Apple 手机的 Siri

和美国航空公司使用的语音识别系统等。这些产品的出现一方面表明语音识别技术具