绍一种基于浮点型数字信号处理器(TMS320C6713),并通过语音识别说话人身份的实用系统。为构建一个稳定实用的基于DSP说话人识别系统。以Mel倒谱系数作为特征参数,采用高斯混合模型作为识别模型,模型参数采用FLASH ROM存储,并实现自举运行。经过调试,实现了系统的自举运行,自举运行时可选择系统的训练和识别功能,并可方便地选择参加训练和识别的说话人,识别的范围为10人,识别的速度在3 s之内,准确率达98%以上。达到了系统设计的目的要求。与其他系统相比,该系统在实现算法上加以一定的改进,保证了识别率,并实现自举运行同时充分考虑可操作性,具有更大的实用价值。
【嵌入式说话人识别系统】是利用生物特征来确认或验证个人身份的一种技术，它基于语音中的生理和行为特性。近年来，随着技术的发展，说话人识别已经在信息安全等多个领域展现出广泛应用前景，因其便利性、经济性和准确性而备受关注。本文介绍的是一种基于浮点型数字信号处理器（TMS320C6713）的嵌入式系统，用于实现实用的说话人身份识别。
【TMS320C6713 DSP芯片】是TI公司推出的一种高性能浮点运算处理器，适合处理复杂的信号处理任务。在本文中，该芯片用于处理语音信号，实现特征提取和模型计算，其高速度和低功耗特性使其成为嵌入式系统的理想选择。
【Mel倒谱系数（MFCC）】是说话人识别中的关键特征参数。MFCC利用人类听觉特性的Mel滤波器对语音信号进行分析，提取出反映说话人独特声音特征的参数，这些参数能够有效地表征语音信号的频谱结构。
【高斯混合模型（GMM）】是识别模型，用于建立说话人的语音特征模板。每个说话人对应一组高斯分布，通过训练阶段学习得到模型参数，并存储在FLASH ROM中。识别时，新语音样本的特征参数与存储的模型进行匹配，从而确定说话人身份。
【自举运行】是指系统能够独立启动并执行预设的功能，包括训练和识别。在本系统中，用户可以通过选择开关来指定训练或识别模式，以及参与训练和识别的说话人，这增加了系统的灵活性和实用性。
【系统架构】包括语音采集模块、数据处理模块（DSP）、存储模块、控制逻辑等。语音采集模块使用TLV320AIC23音频编解码器，负责语音的模拟-数字转换。DSP则处理这些数据，提取特征，并进行模型计算。存储模块包括FLASH ROM和SDRAM，前者用于存储模型参数，后者用于临时数据存储。CPLD扩展了存储器逻辑，JTAG接口用于系统调试和数据交换。
【系统性能】系统可以识别10个不同的说话人，识别速度在3秒内，准确率超过98%，体现了系统的高效性和准确性。通过优化算法和设计，系统不仅保证了识别率，还兼顾了操作简便性和实用性。
这个基于DSP的嵌入式说话人识别系统结合了先进的信号处理技术和高效的处理器，实现了快速、准确的身份识别。通过优化系统架构和算法，该系统在有限的资源下实现了较高的识别性能，为嵌入式应用提供了有价值的解决方案。此外，系统的自举运行和用户友好的操作界面进一步提升了其实用价值，适用于多种应用场景，如智能家居、安防系统等。
