DSP嵌入式說話人識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
加入技術(shù)交流群
1．6 說話人身份識(shí)別的結(jié)果顯示
說話人的身份顯示通過LED的組合顯示確定。在DSK上有4只LED燈，將每個(gè)LED燈看成是一位二進(jìn)制數(shù)。則4個(gè)LED燈最大可表示16個(gè)人的身份。該系統(tǒng)取前10個(gè)組合來表示所識(shí)別的說話人的身份。
1．7 自舉的實(shí)現(xiàn)
以上程序都是通過PC機(jī)與DSP組合實(shí)現(xiàn)，要想使系統(tǒng)在DSP上單獨(dú)完成，還必須實(shí)現(xiàn)自舉。該系統(tǒng)采用ROM方式自舉。在自舉實(shí)現(xiàn)過程中，程序的燒寫可以通過CCS自帶的FLASHBorn工具實(shí)現(xiàn)。在燒寫過程中應(yīng)正確的分配FLAH ROM的空間。FLASHROM空間總體分為程序存儲(chǔ)區(qū)和數(shù)據(jù)存儲(chǔ)區(qū)，經(jīng)計(jì)算，程序代碼段大小為0x162C0，故在FLASH ROM中劃分127 KB的空間供程序代碼使用，空間中未使用的部分供程序擴(kuò)展使用。數(shù)據(jù)存儲(chǔ)區(qū)劃分的大小為64 KB的空間，每個(gè)說話者模型參數(shù)占用空間為4．2 KB左右，最多可存放15個(gè)說話人GMM模型參數(shù)。該系統(tǒng)訓(xùn)練者數(shù)目為10個(gè)，占用空間為42 KB左右。剩余的空間可用來擴(kuò)展訓(xùn)練人數(shù)，也可用于后期系統(tǒng)的改進(jìn)。如可以利用語(yǔ)音提示來顯示說話人身份，而提示語(yǔ)音的數(shù)據(jù)可以存放于此區(qū)域。具體的存儲(chǔ)的安排如表1所示。本文引用地址：http://www.czjhyjcfj.com/article/152184.htm
2 系統(tǒng)的算法與軟件設(shè)計(jì)
說話人識(shí)別系統(tǒng)的實(shí)現(xiàn)方案如圖3所示。
輸入的模擬語(yǔ)音先通過預(yù)處理，包括預(yù)濾波、采樣、量化、加窗、端點(diǎn)檢測(cè)、預(yù)加重等。語(yǔ)音經(jīng)過預(yù)處理后進(jìn)行特征提取。在訓(xùn)練階段，對(duì)提取的特征進(jìn)行相應(yīng)的處理后就可以獲得參考模型。識(shí)別階段，語(yǔ)音通過同樣的通道獲得特征參數(shù)，生成測(cè)試摸型，之后將測(cè)試摸型與參考摸型進(jìn)行匹配，從而根據(jù)判決邏輯獲得判決結(jié)果。
2．1 語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)
語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)目的是去除語(yǔ)音信號(hào)中的噪聲段。端點(diǎn)檢測(cè)從很大程度上影響到識(shí)別率。常用方法有短時(shí)能量法，短時(shí)過零率法和雙門限法等。本系統(tǒng)選用雙門限法，實(shí)驗(yàn)表明，效果優(yōu)于前兩種方法。在雙門限方法端點(diǎn)檢測(cè)中，閾值的選擇尤為關(guān)鍵，該系統(tǒng)的語(yǔ)音采樣頻率設(shè)為8 kHz，語(yǔ)音分幀為每幀80個(gè)點(diǎn)。經(jīng)過多次實(shí)驗(yàn)，這里短時(shí)能量低閾值通過式(3)的動(dòng)態(tài)方式得到，高閾值設(shè)為低閾值的5倍。而過零率的閾值選取應(yīng)充分考慮到噪聲的影響，通過大量實(shí)驗(yàn)發(fā)現(xiàn)系統(tǒng)中噪聲的過零率一般不超過5，所以對(duì)過零率的閾值選取為25，取得了很好的效果，準(zhǔn)確率達(dá)到95％以上。
ITU=0．03(amp_max-amp_min)+amp_min (3)
在端點(diǎn)檢測(cè)過程中有時(shí)會(huì)遇到突發(fā)性的干擾噪聲，這種噪聲持續(xù)時(shí)間很短，一般小于5 ms。為了消除這種干擾，這里用檢測(cè)后的起止長(zhǎng)度判斷它是不是語(yǔ)音。如果所檢測(cè)到的語(yǔ)音長(zhǎng)度足夠的短，則可以把它當(dāng)成是噪聲。
2．2 特征參數(shù)的提取
語(yǔ)音信號(hào)的特征提取是說話人身份識(shí)別的難點(diǎn)。能否用相對(duì)簡(jiǎn)單的方法提取出一種最能體現(xiàn)說話人個(gè)性信息的特征將成為以后研究的方向。該系統(tǒng)中用的是能體現(xiàn)人耳聽覺特性的Mel倒譜系數(shù)(MFCC)。
評(píng)論