《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 基于HMM的連續(xù)小詞量語音識(shí)別系統(tǒng)的研究
基于HMM的連續(xù)小詞量語音識(shí)別系統(tǒng)的研究
現(xiàn)代電子技術(shù)
高 建 遼寧大學(xué)
摘要: 基于HMM的連續(xù)小詞量語音識(shí)別系統(tǒng)的研究,摘要:為了提高語音識(shí)別效率及對(duì)環(huán)境的依賴性,文章對(duì)語音識(shí)別算法部分和硬件部分做了分析與改進(jìn),采用ARMS3C2410微處理器作為主控制模塊,采用UDA1314TS音頻處理芯片作為語音識(shí)別模塊,利用HMM聲學(xué)模型及Viterbi算法
Abstract:
Key words :

摘要:為了提高語音識(shí)別效率及對(duì)環(huán)境的依賴性,文章對(duì)語音識(shí)別算法部分和硬件部分做了分析與改進(jìn),采用ARMS3C2410微處理器作為主控制模塊,采用UDA1314TS音頻處理芯片作為語音識(shí)別模塊,利用HMM聲學(xué)模型及Viterbi算法進(jìn)行模式訓(xùn)練和識(shí)別,設(shè)計(jì)了一種連續(xù)的、小詞量的語音識(shí)別系統(tǒng)。實(shí)驗(yàn)證明,該語音識(shí)別系統(tǒng)具有較高的識(shí)別率和一定程度的魯棒性,實(shí)驗(yàn)室識(shí)別率和室外識(shí)別率分別達(dá)到95.6%,92.3%。
關(guān)鍵詞:語音識(shí)別;嵌入式系統(tǒng);Hidden Markov Models;ARM;Viterbi算法

0 引言
    嵌入式語音識(shí)別系統(tǒng)是應(yīng)用各種先進(jìn)的微處理器在板級(jí)或是芯片級(jí)用軟件或硬件實(shí)現(xiàn)的語音識(shí)別。嵌入式技術(shù)與語音識(shí)別技術(shù)相結(jié)合,能使人們甩掉鍵盤,通過語音命令對(duì)智能化終端進(jìn)行操作,人與智能化終端之間的這種自然快捷的交互方式有助于提高人機(jī)交互的效率,以適應(yīng)嵌入式平臺(tái)存儲(chǔ)資源少,實(shí)時(shí)性要求高的特點(diǎn),增強(qiáng)人對(duì)智能化設(shè)備的控制,同時(shí),在語音識(shí)別技術(shù)發(fā)展過程中又以HMM的廣泛應(yīng)用為特點(diǎn)。該算法通過對(duì)大量語音數(shù)據(jù)進(jìn)行數(shù)據(jù)統(tǒng)計(jì),建立識(shí)別詞條的統(tǒng)計(jì)模型,然后從待識(shí)別語音中提取特征,與這些模型匹配,通過比較匹配概率,以獲得識(shí)別結(jié)果,通過建立大量的語音數(shù)據(jù)庫,就能獲得一個(gè)穩(wěn)健的統(tǒng)計(jì)模型,提高在各種實(shí)際情況下的識(shí)別效率。

1 Markov鏈及隱馬爾可夫模型(HMM)
    語音信號(hào)是一個(gè)可觀察的序列,在足夠小時(shí)間段上特性近似于穩(wěn)定,但其總的過程可看作依次從相對(duì)穩(wěn)定的某一特性過渡到另一特性,在整個(gè)分析區(qū)間內(nèi)可將許多線性模型串接起來,這就是Markov鏈。Markov鏈?zhǔn)荕arkov隨機(jī)過程的特殊情況,即Markov鏈?zhǔn)綘顟B(tài)和時(shí)間參數(shù)都離散的Markov過程。
    隱馬爾可夫模型是對(duì)語音信號(hào)的時(shí)間序列結(jié)構(gòu)建立統(tǒng)計(jì)模型,可將之看作一個(gè)數(shù)學(xué)上的雙重隨機(jī)過程:一個(gè)是用具有有限狀態(tài)數(shù)的Mar-kov鏈來模擬語音信號(hào)統(tǒng)計(jì)特性變化的隱含的隨機(jī)過程,另一個(gè)是與Mark-ov鏈的每一個(gè)狀態(tài)相關(guān)聯(lián)的觀測(cè)序列的隨機(jī)過程。前者通過后者表現(xiàn)出來,但前者的具體參數(shù)是不可測(cè)的。
    一般來說,一個(gè)HMM是一個(gè)雙重隨機(jī)過程,由下述五個(gè)參數(shù)描述:
a.JPG

2 基于HMM的語音識(shí)別系統(tǒng)實(shí)現(xiàn)
    人的言語過程實(shí)際上就是一個(gè)雙重隨機(jī)過程,語音信號(hào)本身是一個(gè)可觀測(cè)的時(shí)變序列,是由大腦根據(jù)語法知識(shí)和言語需要(不可觀測(cè)的狀態(tài))發(fā)出音素的參數(shù)流。HMM合理地模仿了這一過程,很好地描述了語音信號(hào)的整體非平穩(wěn)性和局部平穩(wěn)性,是較為理想的一種語音模型。從整段語音來看,人類語音是一個(gè)非平穩(wěn)的隨機(jī)過程,但是若把整段語音分割成若干短時(shí)語音信號(hào),則可認(rèn)為這些短時(shí)語音信號(hào)是平穩(wěn)過程,就可以用線性手段對(duì)這些短時(shí)語音信號(hào)進(jìn)行分析。若對(duì)這些語音信號(hào)建立隱馬爾可夫模型,則可以辯識(shí)具有不同參數(shù)的短時(shí)平穩(wěn)信號(hào)段,并可以跟蹤它們之間的轉(zhuǎn)化,從而解決了對(duì)語音的發(fā)音速率及聲學(xué)變化建立模型的問題。
    語音識(shí)別系統(tǒng)首先通過芯片內(nèi)的A/D轉(zhuǎn)換器將模擬語音信號(hào)轉(zhuǎn)化為數(shù)字語音信號(hào),然后對(duì)數(shù)字語音信號(hào)進(jìn)行處理(信號(hào)加窗、過濾),得到干凈的語音信號(hào),再通過特征提取過程做出特征矢量,提取語音特征,最后由識(shí)別過程對(duì)說話人語音進(jìn)行識(shí)別,得出識(shí)別結(jié)果??傮w來說,整個(gè)識(shí)別過程分為語音信號(hào)的預(yù)處理、語音信號(hào)的特征提取、語音庫的建立以及語音信號(hào)的識(shí)別等幾個(gè)主要階段,如圖1所示。

b.JPG


    語音識(shí)別過程分為兩個(gè)部分:一是HMM訓(xùn)練過程,得到HMM語音識(shí)別模型,即建立基本識(shí)別語音庫;二是HMM識(shí)別過程,得到語音識(shí)別結(jié)果。
2.1 HMM訓(xùn)練
    HMM算法是解決識(shí)別問題的一種常用方法。一個(gè)HMM模型中有N個(gè)狀態(tài),對(duì)于一個(gè)長(zhǎng)度為T的觀察序列,如果按照定義來計(jì)算,需要2TNT次運(yùn)算,這種運(yùn)算量是不能接受的,而HMM算法可以簡(jiǎn)化這個(gè)過程。

d.JPG


h.jpg

i.jpg
    如果P(O/λZ)和e.JPG距離太大,則返回步驟(2),反復(fù)迭代運(yùn)算,直到HMM模型參數(shù)不再發(fā)生明顯的變化為止。
2.2 HMM模型識(shí)別
    HMM模型的輸出概率用Viterbi算法計(jì)算,因?yàn)楦怕手狄话愣歼h(yuǎn)小于1,這里用取對(duì)數(shù)后的概率作為輸出值:
f.JPG
    以上式中δt(i)表示t時(shí)刻第i個(gè)狀態(tài)的累積輸出概率;φt(i)表示t時(shí)刻第i個(gè)狀態(tài)的前續(xù)狀態(tài)號(hào);j.jpg為最優(yōu)狀態(tài)序列中t時(shí)刻所處的狀態(tài);P*為最終的輸出概率。

3 實(shí)驗(yàn)結(jié)果
    系統(tǒng)首先通過語音錄入模塊的麥克風(fēng)將語音信號(hào)輸入U(xiǎn)DA1341 TS數(shù)字音頻處理芯片,通過S3C2410向UDA1341數(shù)字音頻處理芯片發(fā)送指令,數(shù)字音頻處理芯片由內(nèi)部A/D對(duì)語音信號(hào)進(jìn)行采樣,調(diào)用語音壓縮算法對(duì)語音信號(hào)進(jìn)行壓縮,并調(diào)用語音識(shí)別函數(shù)API對(duì)輸入語音進(jìn)行基于模式匹配算法的語音識(shí)別,最終UDA1341數(shù)字音頻處理芯片將識(shí)別結(jié)果通過I/O傳送到ARM S3C2410,S3C2410接收到識(shí)別結(jié)果后,根據(jù)不同的識(shí)別結(jié)果再向UDA1341 TS發(fā)送不同指令,以此實(shí)現(xiàn)語音識(shí)別系統(tǒng)的功能。
    系統(tǒng)采用三星的S3C2410作為嵌入式CPU,這是一款高性價(jià)比、低功耗、高性能、高集成度的CPU,基于ARM9核,主頻為203 MHz,專為網(wǎng)絡(luò)通信和手持設(shè)備而設(shè)計(jì),能滿足語音識(shí)別系統(tǒng)中的低成本、低功耗、高性能、小體積的要求。
    實(shí)驗(yàn)采用10字中文數(shù)碼,分別在室外環(huán)境和實(shí)驗(yàn)室環(huán)境下測(cè)試,結(jié)果如表1所示。

g.JPG


    通過測(cè)試表明,在實(shí)驗(yàn)室環(huán)境下該系統(tǒng)在UDA1314TS DSP芯片上得到的結(jié)果比較令人滿意,具有良好的魯棒性,識(shí)別率達(dá)到實(shí)用要求,但在室外較高噪音條件下的識(shí)別率相對(duì)實(shí)驗(yàn)室環(huán)境下有一定差距,滿足語音識(shí)別基本要求。

4 結(jié)論
    本文系統(tǒng)采用隱馬爾可夫模型的語音識(shí)別算法,能夠?qū)π≡~量、連續(xù)語音進(jìn)行識(shí)別,識(shí)別率較高。ARM S3C2410微處理器和UDA1314TS音頻處理芯片的結(jié)合應(yīng)用,能使本語音識(shí)別系統(tǒng)具有較強(qiáng)的實(shí)時(shí)性。體積小,攜帶方便,使用靈活,可移植性強(qiáng)的特點(diǎn)使系統(tǒng)在進(jìn)一步改進(jìn)和發(fā)展后能夠用于工業(yè)語音控制領(lǐng)域中,還可用于聲控玩具、聲控設(shè)備等人們的日常生活中。
    但由于技術(shù)水平和硬件環(huán)境的限制,該語音識(shí)別系統(tǒng)在算法、硬件方面都需要進(jìn)一步的研究和完善。該嵌入式語音識(shí)別系統(tǒng)的研究為進(jìn)一步開發(fā)和研究實(shí)用性嵌入式語音識(shí)別系統(tǒng)做出了重要的嘗試和探索工作。

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。