許振威 姜望望 繆榮國(guó)

【摘要】由隱馬爾可夫模型的算法和理論對(duì)語(yǔ)音進(jìn)行處理以提高系統(tǒng)的識(shí)別能力，具體設(shè)計(jì)系統(tǒng)的電源電路、復(fù)位電路、輸入系統(tǒng)、存儲(chǔ)系統(tǒng)等硬件模塊和軟件實(shí)現(xiàn)方法，經(jīng)過測(cè)試能夠?qū)崿F(xiàn)語(yǔ)音識(shí)別功能。

【關(guān)鍵詞】隱馬爾可夫；語(yǔ)音識(shí)別；單片機(jī)

在這個(gè)高科技的信息時(shí)代，計(jì)算機(jī)占著極為重要的地位，人機(jī)通信是人與機(jī)器之間進(jìn)行信息通訊，使機(jī)器按照人的意愿工作，傳統(tǒng)的人機(jī)通信是通過鍵盤、按鈕以及顯示器等機(jī)器設(shè)備實(shí)現(xiàn)的，在許多場(chǎng)合都不是很方便，其最理想的通信方式就是通過語(yǔ)音進(jìn)行識(shí)別。實(shí)現(xiàn)人與機(jī)器通過自然語(yǔ)音的方式進(jìn)行信息通訊，不僅可以簡(jiǎn)化日常工作，更可以提高工作效率，帶給人們極大的方便。而實(shí)現(xiàn)這個(gè)理想最關(guān)鍵的部分就是語(yǔ)音識(shí)別技術(shù)。

1語(yǔ)音識(shí)別概述

1.1語(yǔ)音信號(hào)的產(chǎn)生

物體的振動(dòng)產(chǎn)生聲音，正在發(fā)聲的物體叫做聲源，聲音在介質(zhì)中以聲波的形式傳播。語(yǔ)音是指人的發(fā)聲器官振動(dòng)所發(fā)出的負(fù)載一定語(yǔ)言意義的聲音，發(fā)音器官主要有肺部、氣管、喉部、咽、鼻腔、口腔和上下唇，每個(gè)人的聲道各不相同，從而各自發(fā)出的聲音也不相同。

語(yǔ)音信號(hào)主要有模擬信號(hào)和數(shù)字信號(hào)兩種表現(xiàn)形式。模擬信號(hào)是人直接通過耳朵聽到的信號(hào)，是時(shí)間和幅值均連續(xù)的物理量，由于其數(shù)據(jù)量過大、有較多的隨機(jī)因素等原因不能直接被作為計(jì)算機(jī)的識(shí)別信號(hào)。數(shù)字信號(hào)是時(shí)間和數(shù)值均離散的二進(jìn)制數(shù)字量化的模擬信號(hào)，是計(jì)算機(jī)語(yǔ)音識(shí)別技術(shù)的基礎(chǔ)。數(shù)字信號(hào)相比模擬信號(hào)有以下優(yōu)點(diǎn)：可以實(shí)現(xiàn)很多復(fù)雜的信號(hào)處理工作；具有可靠性高、價(jià)格低廉、反應(yīng)迅速等特點(diǎn)；有利于區(qū)分出干擾信號(hào)等。所以要想使計(jì)算機(jī)按照人類的自然語(yǔ)言要求工作，關(guān)鍵的就是將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)。

１．２語(yǔ)音信號(hào)的處理

根據(jù)討論，若要對(duì)語(yǔ)音信號(hào)進(jìn)行處理必須先對(duì)此信號(hào)進(jìn)行預(yù)處理，即將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，再整理、分析、理解轉(zhuǎn)換后的數(shù)字信號(hào)，并過濾掉多余的信息。主要包括數(shù)字化、預(yù)加重和加窗分幀三部分。

數(shù)字化就是把語(yǔ)音模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)的采樣與量化過程，采樣是在相同間隔的時(shí)間內(nèi)抽取信號(hào)而得到離散的序列，并將其轉(zhuǎn)換為數(shù)字。量化則是在有限的區(qū)域內(nèi)分布采樣后的信號(hào)。預(yù)加重是通過一個(gè)高通濾波器使頻譜變得平坦，防止衰減作用，不受有限字長(zhǎng)效應(yīng)的影響。以“幀”為單位對(duì)語(yǔ)音信號(hào)進(jìn)行截取，使信號(hào)有短時(shí)平穩(wěn)的特征，加窗則可以讓截取的信號(hào)波形更加平滑。

１．３語(yǔ)音信號(hào)的模塊處理

在語(yǔ)音識(shí)別中，常使用的基本算法有：動(dòng)態(tài)時(shí)間規(guī)整技術(shù)（DTW）、隱馬爾可夫模型（HMM）和人工神經(jīng)元網(wǎng)絡(luò)（ANN）。

１）隱馬爾可夫模型

隱馬爾可夫模型（HMM）在當(dāng)前語(yǔ)音識(shí)別系統(tǒng)中占據(jù)主流地位。它是一種隨機(jī)概率模型，其使用大大降低了模型的復(fù)雜度。早在20世紀(jì)六七十年代就開始研究的統(tǒng)計(jì)信號(hào)模型。HMM是在Markov鏈的基礎(chǔ)上發(fā)展起來(lái)的，但實(shí)際問題要更為復(fù)雜，所觀察到的事件與一組概率分布相關(guān)。它是一個(gè)雙重隨機(jī)過程，一個(gè)是Markov鏈，這是基本隨機(jī)過程，它描述狀態(tài)的轉(zhuǎn)移；一個(gè)是隨機(jī)過程描述狀態(tài)和觀測(cè)值之間的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系，觀察者不能直接看到狀態(tài)，而是由感覺感知到的，因此稱之為“隱”Markov模型，即HMM。

２）人工神經(jīng)網(wǎng)絡(luò)法

ANN現(xiàn)在已經(jīng)成為了另一個(gè)熱點(diǎn)，是非線性系統(tǒng)，具有DTW和HMM沒有的對(duì)比、概括、推理能力。

３）動(dòng)態(tài)時(shí)間規(guī)整技術(shù)

DTW是模板訓(xùn)練和模式匹配中出現(xiàn)最早的技術(shù)，使用動(dòng)態(tài)規(guī)劃技術(shù)在孤立詞語(yǔ)音識(shí)別中具有良好的成果，但是其計(jì)算量較大，很難被使用到現(xiàn)實(shí)中的語(yǔ)音識(shí)別。目前已經(jīng)被其他的算法所替代。

2語(yǔ)音識(shí)別系統(tǒng)設(shè)計(jì)思路

語(yǔ)音識(shí)別技術(shù)正在不斷的發(fā)展中，在硬件平臺(tái)上實(shí)現(xiàn)語(yǔ)音識(shí)別以取代繁瑣的工作成為其發(fā)展的必然趨勢(shì)。本文就是對(duì)基于單片機(jī)的語(yǔ)音識(shí)別系統(tǒng)的研究。由于單片機(jī)本身存在著處理速度慢、存儲(chǔ)能力不強(qiáng)大的缺陷，所以此次設(shè)計(jì)是基于孤立詞的語(yǔ)音識(shí)別系統(tǒng)。

語(yǔ)音識(shí)別系統(tǒng)的模型庫(kù)訓(xùn)練工作原理是：特定人的語(yǔ)音信號(hào)進(jìn)入系統(tǒng)，系統(tǒng)對(duì)進(jìn)入的語(yǔ)音信號(hào)濾波，目的是為了消除需要的語(yǔ)音頻率之外的其他雜音，進(jìn)而數(shù)模轉(zhuǎn)換，將輸入的語(yǔ)音模擬信號(hào)數(shù)字化，有利于計(jì)算機(jī)進(jìn)行識(shí)別。數(shù)字化后的語(yǔ)音信號(hào)再通過預(yù)處理、加窗分幀。對(duì)于剩下的語(yǔ)音信號(hào)送入HMM模板與模板庫(kù)進(jìn)行訓(xùn)練和匹配，再將最佳的結(jié)果傳輸給用戶。

3系統(tǒng)模塊設(shè)計(jì)及系統(tǒng)測(cè)試

此次設(shè)計(jì)是基于單片機(jī)的語(yǔ)音識(shí)別系統(tǒng)研究，有以下幾點(diǎn)要求：該系統(tǒng)必須使完整的語(yǔ)音識(shí)別系統(tǒng)，有簡(jiǎn)單的顯示功能，提高系統(tǒng)的識(shí)別性能，體積盡量減小。

工作原理首先采集語(yǔ)音信號(hào)，輸入完成后通過濾波采集需要的語(yǔ)音信號(hào)，再通過數(shù)模轉(zhuǎn)換器進(jìn)入控制器，再與標(biāo)準(zhǔn)語(yǔ)音庫(kù)中的語(yǔ)音信號(hào)進(jìn)行對(duì)比，找出最接近該段信號(hào)的語(yǔ)音，再將識(shí)別出的語(yǔ)音通過LCD顯示模塊顯示給用戶。

系統(tǒng)檢測(cè)首先確認(rèn)是否有按鍵按下，當(dāng)檢測(cè)到有按鍵按下時(shí)，表示系統(tǒng)開始運(yùn)行，如果沒有按下，則表示系統(tǒng)處于非工作狀態(tài)，只有當(dāng)有按鍵時(shí)，才可以工作。進(jìn)而開始接收語(yǔ)音信號(hào)，首先對(duì)語(yǔ)音信號(hào)進(jìn)行濾波消除雜音，然后通過數(shù)模轉(zhuǎn)換電路，將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，預(yù)處理、端點(diǎn)檢測(cè)后，與事先存儲(chǔ)好的信號(hào)進(jìn)行比對(duì)，得到最后的識(shí)別結(jié)果，將識(shí)別出來(lái)的結(jié)果，送往LCD液晶顯示器上顯示出來(lái)，展現(xiàn)給用戶。

此次設(shè)計(jì)通過MATLAB軟件實(shí)現(xiàn)對(duì)語(yǔ)音信號(hào)的調(diào)試。在接收語(yǔ)音信號(hào)時(shí)，有可能產(chǎn)生外界的干擾噪聲，這就需要我們通過一系列復(fù)雜的公式計(jì)算，對(duì)該信號(hào)進(jìn)行處理，進(jìn)而在送由單片機(jī)進(jìn)行下一步的工作。

4結(jié)束語(yǔ)

語(yǔ)音識(shí)別技術(shù)是實(shí)現(xiàn)人與計(jì)算機(jī)進(jìn)行直接對(duì)話，讓計(jì)算機(jī)自動(dòng)對(duì)人所說的話進(jìn)行識(shí)別、理解并執(zhí)行的技術(shù)手段。語(yǔ)音識(shí)別技術(shù)的應(yīng)用已經(jīng)成為一個(gè)被受關(guān)注的新型技術(shù)產(chǎn)業(yè)，它的實(shí)現(xiàn)能夠簡(jiǎn)化人們?cè)谝酝ぷ髦械姆爆?，未?lái)語(yǔ)音識(shí)別還要向低成本、高性能方向不斷發(fā)展。

【參考文獻(xiàn)】

［１］馬麗靜．基于單片機(jī)控制的語(yǔ)音識(shí)別系統(tǒng)的軟件開發(fā)[J].電腦開發(fā)與應(yīng)用,2003（０５）：37-38．

［２］張雄偉，陳亮．現(xiàn)代語(yǔ)音處理技術(shù)及應(yīng)用[M]．機(jī)械工業(yè)出版社，2003，5：26-30．

［責(zé)任編輯：張濤］