本系統(tǒng)的目的是在廉價定點數(shù)字信號處理器(DSP)芯片上實現(xiàn)語音識別。在微機平臺，一般采用隱含Markov模型(HMM)進行語音識別，該算法在識別階段計算量較少，適應(yīng)性強，但是需要大量的前期訓(xùn)練工作。由于DSP系統(tǒng)存儲資源有限，計算速度也比較慢，大運算量的前期訓(xùn)練是無法在有限的DSP資源上獨立完成的，因此系統(tǒng)采用了動態(tài)時間彎折算法(DTW)，以解決模板匹配中時間不定長的問題，實現(xiàn)了一個特定人小詞表語音識別系統(tǒng)。下面分別介紹該系統(tǒng)的硬件和軟件結(jié)構(gòu)。
1 系統(tǒng)硬件
　　系統(tǒng)的電路原理如圖1所示。該系統(tǒng)采用Analog Decive公司(ADI)的定點數(shù)字信號處理器ADSP2181為核心部件。2181指令字長24位，數(shù)據(jù)字長16位，在16.67MHz下工作，指令周期可達30ns。用AD73311編碼譯碼器(CODEC)作語音輸入輸出模擬前端。AD73311是ADI公司的低成本、低功耗通用模擬前端。它具有諸多優(yōu)良性能：如16位75dB的模數(shù)轉(zhuǎn)換信噪比和70dB的數(shù)模轉(zhuǎn)換信噪比、輸入輸出采樣頻率和增益可編程、小的轉(zhuǎn)換群延時、允許8個芯片級連、工作電壓范圍寬(2.7～5.5V)、自身帶參考電壓等，在語音信號處理和有源控制方面得到了廣泛的應(yīng)用。AD73311通過串行口與2181相連。采用一片27C512作為程序存儲器，系統(tǒng)復(fù)位后，程序自動由EPROM中加載進入DSP的片內(nèi)程序存儲區(qū)運行。還有一片AT29C020作為模板和語音存儲器，通過BDMA接口與2181相連。以上四個芯片組成了語音識別的核心電路。系統(tǒng)的譯碼電路由一片GAL16V8實現(xiàn)，復(fù)位和電源監(jiān)視電路由MAX705實現(xiàn)，還有一片74HC574用來輸出識別結(jié)果，這就構(gòu)成了基本的語音識別模塊。加上可選的鍵盤、LCD顯示接口和相應(yīng)的譯碼電路，即可構(gòu)成完整的控制器。該控制器具有體積小、成本低的優(yōu)點。

2 系統(tǒng)軟件
2.1 語音信號的端點檢測
　　所謂端點檢測，就是從含噪聲的環(huán)境中檢測出說話人的語音命令。我們采用語音信號的短時能量和過零率來進行端點檢測。語音信號的采樣頻率為8kHz，每幀數(shù)據(jù)為30ms，共240個采樣點，幀交迭10ms，共80個采樣點。每隔10ms計算一次短時能量和過零率。短時能量用下面公式計算：
　　
　　其中N為一幀語音的采樣點數(shù)(240)。過零率為一幀語音信號穿越零電平的次數(shù)。短時能量描述了信號的幅度，而過零率對能量低的清音比較敏感，兩者配合起來就可以準確地判斷語音信號的開始和結(jié)束。
2.2 語音參數(shù)的選擇和計算
　　輸入的模擬語音信號首先要通過截止頻率為4kHz的抗混迭濾波器，然后由AD73311采樣和量化。接下來很重要的一環(huán)就是特征參數(shù)的提取。對特征參數(shù)的要求是：(1)能有效地代表語音特征，包括聲道特征和聽覺特征，具有很好的區(qū)分性；(2)各階參數(shù)之間有良好的獨立性；(3)特征參數(shù)要計算方便，最好有高效的計算方法，以保證語音識別的實時實現(xiàn)。一般選擇線性預(yù)測倒譜系數(shù)(LPCC)和Mel頻率倒譜系數(shù)(MFCC)作為語音識別的參數(shù)，兩種參數(shù)的計算請參考文獻[1]和[2]。該系統(tǒng)為每幀信號計算出12階LPCC系數(shù)，加上短時能量和過零率，作為以后的識別參數(shù)。以上算法是用ADSP2181的匯編語言實現(xiàn)的定點算法，比純浮點算法快得多，可以在720μs內(nèi)完成，從而可以達到實時計算。
　　大量文獻的研究表明，MFCC系數(shù)對提高識別率有一定的作用。我們也在ADSP2181上實現(xiàn)了MFCC系數(shù)的定點算法，但是與LPCC系數(shù)相比，MFCC系數(shù)計算有兩個缺點：一是計算時間長，一幀參數(shù)的計算至少需要1.25ms；二是精度難以保證。由于MFCC系數(shù)的計算需要FFT變換和對數(shù)操作，影響了計算的動態(tài)范圍，要保證其在定點DSP上的運算速度，就只有犧牲參數(shù)精度。而LPCC參數(shù)的計算有遞推公式，速度和精度都可以保證。在微機和DSP平臺上分別進行的大量試驗表明，LPCC參數(shù)已經(jīng)足以滿足我們的識別要求，同時采用LPCC參數(shù)，可以減少計算時間，從而降低系統(tǒng)功耗。
2.3 語音的編碼與回放
　　本系統(tǒng)采用8kHz采樣頻率，精度為16位，數(shù)據(jù)傳輸率為128kbps。采用ADPCM算法實現(xiàn)對語音的編碼，將采集到的語音樣本壓縮到32kbps，可以保持清晰的音質(zhì)，同時大大降低存儲需求。為了進一步降低碼率，系統(tǒng)還可以采用GSM編碼算法，不但合成語音質(zhì)量好，而且算法比較簡單，可以在ADSP2181定點DSP芯片上實時實現(xiàn)。它的碼率為13.6kbps。GSM編碼實際上是規(guī)則脈沖激勵長時線性預(yù)測編碼(RPE－LTP)，它包括預(yù)處理、LPC分析、短時分析濾波、長時預(yù)測和規(guī)則脈沖激勵序列編碼等五部分。GSM算法比ADPCM相對復(fù)雜，占用DSP計算時間也長，因而功耗也相對高。
2.4 參數(shù)模板的管理
　　語音參數(shù)和ADPCM編碼保存在256KB的Flash RAM內(nèi)。該芯片為AT29C020，是非易失存儲器。為了合理利用這有限的存儲資源，同時實現(xiàn)快速的模板搜索，我們參考DOS的磁盤管理系統(tǒng)，實現(xiàn)了以扇區(qū)為單位的管理系統(tǒng)。
　　首先將256K字節(jié)空間劃分為1024塊，每塊為一扇區(qū)，每扇區(qū)256字節(jié)。由于2181的字長為16位，因此每扇區(qū)按128字處理。如果設(shè)置類似DOS的文件分配表(FAT)和文件目錄表，來管理這些扇區(qū)，勢必導(dǎo)致對這兩個表的頻繁讀取和擦寫?？紤]到Flash RAM的擦寫次數(shù)有限，而其讀取速度很快，我們采用了順序表的方法進行管理。每扇區(qū)的格式固定，如表1所示。