李青云

（晉中信息學(xué)院信息工程學(xué)院 山西省晉中市 030800）

近年以來，國(guó)內(nèi)的社會(huì)經(jīng)濟(jì)實(shí)現(xiàn)了快速的發(fā)展和推進(jìn)，其重要表現(xiàn)之一就是計(jì)算機(jī)技術(shù)的飛速發(fā)展，目前計(jì)算機(jī)已經(jīng)成為了現(xiàn)代社會(huì)大眾日常工作和生活中必不可少的一部分，然而人機(jī)交互水平與計(jì)算機(jī)技術(shù)發(fā)展水平不相符合，影響了現(xiàn)代社會(huì)大眾對(duì)于計(jì)算機(jī)系統(tǒng)的應(yīng)用。在這種情況下，就需要實(shí)現(xiàn)高水平的語(yǔ)音識(shí)別算法在嵌入式系統(tǒng)中的應(yīng)用，使得計(jì)嵌入式系統(tǒng)的語(yǔ)音識(shí)別性能得到提升，這樣才能實(shí)現(xiàn)復(fù)雜的語(yǔ)音識(shí)別，嵌入式系統(tǒng)也才能實(shí)現(xiàn)智能化發(fā)展。而且語(yǔ)音識(shí)別算法及其在嵌入式系統(tǒng)中的應(yīng)用也更加符合現(xiàn)代社會(huì)大眾的使用習(xí)慣和切實(shí)需求，因此語(yǔ)音識(shí)別算法的運(yùn)用是具有充分的可行性和必要性的，對(duì)于各個(gè)社會(huì)領(lǐng)域的發(fā)展也是極為重要的。

1 語(yǔ)音識(shí)別算法

在社會(huì)大眾的顯示工作和生活當(dāng)中，語(yǔ)音識(shí)別系統(tǒng)應(yīng)用范圍比較廣，并且這種交互方式是人類自身最自然的一種交互方式，使用起來符合人類自身的習(xí)慣，同時(shí)嵌入式設(shè)備自身的小型化對(duì)于語(yǔ)音識(shí)別算法的應(yīng)用也大有裨益。目前所應(yīng)用的嵌入式設(shè)備通常情況下是針對(duì)特定的應(yīng)用進(jìn)行設(shè)計(jì)的，只需要對(duì)幾十個(gè)詞的語(yǔ)音命令進(jìn)行識(shí)別，屬于小型的語(yǔ)音識(shí)別系統(tǒng)，一旦遇到大詞匯量和連續(xù)的語(yǔ)音識(shí)別，其應(yīng)用的局限性就會(huì)變得尤其明顯，難以滿足當(dāng)代社會(huì)大眾對(duì)于嵌入式設(shè)備的要求和需求。而在實(shí)際的語(yǔ)音識(shí)別算法及其在嵌入式系統(tǒng)中的應(yīng)用過程中，還具有很多其他的因素需要進(jìn)行綜合性的考量，這樣才能達(dá)到理想的語(yǔ)音識(shí)別效果，并且可以在顯示社會(huì)發(fā)展過程中進(jìn)行對(duì)應(yīng)的應(yīng)用[3]，其中成本因素就是需要考量的因素之一，因?yàn)槲磥淼恼Z(yǔ)言識(shí)別系統(tǒng)的應(yīng)用將是十分廣泛的，其成本投入過大的情況下，不能形成良好的性價(jià)比。

其次，嵌入式設(shè)備所具有的一個(gè)最重要的優(yōu)勢(shì)就是自身的體積比較小，這也給語(yǔ)音識(shí)別算法及其在嵌入式系統(tǒng)中的應(yīng)用帶來比較大的限制。為了使得比較復(fù)雜的算法在嵌入式設(shè)備中進(jìn)行應(yīng)用，其中硬件平臺(tái)是非常重要的，其中SoC 硬件平臺(tái)具有很好的集成性，在這一平臺(tái)上的語(yǔ)音識(shí)別算法應(yīng)用的嵌入式系統(tǒng)的可靠性也得到了比較大的提升，從另一個(gè)角度上來說，語(yǔ)音識(shí)別算法及其在嵌入式系統(tǒng)中的應(yīng)用，使得嵌入式系統(tǒng)的適應(yīng)性得到了很好的提升。

語(yǔ)音識(shí)別系統(tǒng)是系統(tǒng)級(jí)的集成芯片，其不僅僅是將功能復(fù)雜的數(shù)字邏輯電路放到同一個(gè)芯片當(dāng)中，芯片中還包含很多其他的電子元件，包含模擬器件和常見的儲(chǔ)存器，這些都是需要進(jìn)行考量的因素。筆者主要針對(duì)基于HMM 的語(yǔ)音識(shí)別技術(shù)在嵌入式系統(tǒng)中的應(yīng)用進(jìn)行系統(tǒng)的分析和闡述，具有良好的發(fā)展前景，并且更加符合現(xiàn)代社會(huì)大眾的嵌入式設(shè)備的使用習(xí)慣和特點(diǎn)。

2 硬件平臺(tái)的分析

筆者進(jìn)行研究的嵌入式語(yǔ)音識(shí)別系統(tǒng)是在與Infineon 公司合作開發(fā)的芯片UniSpeech 上實(shí)現(xiàn)的，這一硬件平臺(tái)的性價(jià)比也是比較高的，使得語(yǔ)音識(shí)別算法及其在嵌入式系統(tǒng)中的應(yīng)用成本方面得到了很好的基礎(chǔ)性的條件。

通過研究不難發(fā)現(xiàn)，該芯片的應(yīng)用，為語(yǔ)音識(shí)別算法提供了良好的儲(chǔ)存量和運(yùn)算能力[4]，具體性能方面如下所示：

運(yùn)算速度：100MIPS.MCU；

指令周期：每?jī)蓚€(gè)時(shí)鐘周期；

時(shí)鐘頻率：50MHz。

3 不同的嵌入式語(yǔ)音識(shí)別系統(tǒng)的比較和分析

（1）基于DTW（Dynamic Time Warping[5]）和模擬匹配技術(shù)的語(yǔ)音識(shí)別系統(tǒng)

我們?nèi)粘９ぷ骱蜕钸^程中所使用的移動(dòng)電話設(shè)備，幾乎都可以提供簡(jiǎn)單的語(yǔ)音識(shí)別功能。

其中基于DTW（Dynamic Time Warping）和模擬匹配技術(shù)的組合應(yīng)用能夠取得很好的效果，在實(shí)際的運(yùn)用過程中，這一系統(tǒng)可以直接進(jìn)行語(yǔ)音特征的提取，并且將其視為具體的模板進(jìn)行運(yùn)用，通過這些精準(zhǔn)的模板，在實(shí)際的語(yǔ)音識(shí)別過程中可以實(shí)現(xiàn)很好的識(shí)別效果，尤其是孤立詞的識(shí)別，在實(shí)踐應(yīng)用過程中也能夠發(fā)現(xiàn)這一點(diǎn)。但是需要知曉的是，DTW 模板自身的計(jì)算能力是十分有限的，其重要表現(xiàn)就是實(shí)際應(yīng)用階段限于小詞表，由于這一特點(diǎn)，這一嵌入式語(yǔ)音識(shí)別系統(tǒng)的應(yīng)用就具有了一定的局限性，一般情況下都在一些特定的、簡(jiǎn)單的語(yǔ)音識(shí)別工作中進(jìn)行運(yùn)用，包含地名識(shí)別、人名集識(shí)別等等。

（2）基于隱含馬爾科夫模型HMM（Hidden Markov Model）的語(yǔ)音識(shí)別系統(tǒng)

基于HMM 的嵌入式語(yǔ)音識(shí)別系統(tǒng)可以在非定人用戶的日常工作和生活中進(jìn)行運(yùn)用，并且不需要進(jìn)行實(shí)現(xiàn)的訓(xùn)練[6]，這項(xiàng)技術(shù)的缺陷在于需要建立其一個(gè)比較大、比較豐富的語(yǔ)音庫(kù)，從而建立有效的統(tǒng)計(jì)分析模型，提升語(yǔ)音識(shí)別的有效性和可靠性，從中不難看出，基于隱含馬爾科夫模型HMM（Hidden Markov Model）的語(yǔ)音識(shí)別系統(tǒng)具有很好的特性，但是其在很多因素和條件方面具有一定的限制，需要在系統(tǒng)組建過程中多加注意。

4 基于HMM的嵌入式語(yǔ)音識(shí)別系統(tǒng)構(gòu)建

4.1 前端處理

基于HMM 的嵌入式語(yǔ)音識(shí)別系統(tǒng)的前端處理主要包含語(yǔ)音的采樣、A/D 變化、特片提取和端點(diǎn)檢測(cè)等等，其中模擬的語(yǔ)音信號(hào)的數(shù)字化功能是由A/D 轉(zhuǎn)換器來實(shí)現(xiàn)的，ADC 集成在片內(nèi)，其采樣頻率固定位8kHz，語(yǔ)音特征的提取是從語(yǔ)音幀的角度來實(shí)現(xiàn)的，具體的HMM 與語(yǔ)音參數(shù)的關(guān)系如圖1所示。

圖1：HMM 與語(yǔ)音參數(shù)的關(guān)系圖

因此需要將特定的語(yǔ)音信號(hào)分為重疊的若干幀，隨后對(duì)每一幀提取一次語(yǔ)音特片，幀長(zhǎng)方面控制在20ms 即可，筆者研究分析的此系統(tǒng)，為了方便進(jìn)行FFT，采用的幀長(zhǎng)需要控制在256 點(diǎn)，也就是32ms，這是出于系統(tǒng)的儲(chǔ)存量限制和識(shí)別性能要求，依據(jù)實(shí)踐也能夠發(fā)現(xiàn)，前端處理按照以上進(jìn)行選擇和應(yīng)用，可以保障特征處理的穩(wěn)健性[7]，這是其他的嵌入式語(yǔ)音識(shí)別系統(tǒng)所難以實(shí)現(xiàn)的，并且對(duì)其進(jìn)行優(yōu)化和完善之后，可以達(dá)到HMM 模型與多觀察序列語(yǔ)音參數(shù)的關(guān)系實(shí)現(xiàn)，其中一個(gè)音素模型的HMM 結(jié)構(gòu)具體如圖2所示。

圖2：一個(gè)音素模型的HMM 結(jié)構(gòu)

在實(shí)踐應(yīng)用過程中可以發(fā)現(xiàn)，這一處理方式對(duì)于特征處理穩(wěn)健性的提升是相當(dāng)明顯的。

4.2 聲學(xué)模型

在本文進(jìn)行研究的HMM 算法為基礎(chǔ)的嵌入式語(yǔ)音識(shí)別系統(tǒng)當(dāng)中，首先對(duì)于一系列有限狀態(tài)S1……SN 進(jìn)行了定義，該系統(tǒng)的狀態(tài)不為外界所見，系統(tǒng)在識(shí)別中使用的隨機(jī)觀察矢量就是從信號(hào)中提取的特征矢量。在本語(yǔ)音識(shí)別系統(tǒng)當(dāng)中，采用的是整詞模型，每個(gè)詞條7 個(gè)狀態(tài)同，包含首尾兩個(gè)靜音狀態(tài)。但是CHMM 模型具有比較高的復(fù)雜性，碼本大小位128，DHMM 模型加大了矢量量化這一步驟，但是使得模型的復(fù)雜程度降低，這使得占用計(jì)算量最大的匹配計(jì)算減少，從中也能夠看出，這其實(shí)是犧牲了一定的識(shí)別性能的[8]。

4.3 語(yǔ)音識(shí)別性能

基于HMM 的嵌入式語(yǔ)音識(shí)別系統(tǒng)具有很好的識(shí)別性能，對(duì)于11 詞的漢語(yǔ)數(shù)碼和一個(gè)59 詞的命令詞集，其都能做到很好的識(shí)別，其中靜音模型的加入，降低了對(duì)端點(diǎn)判斷的依賴程度，這對(duì)于HMM 算法為基礎(chǔ)的嵌入式語(yǔ)音識(shí)別系統(tǒng)的可靠性的提升是比較大的，從整體的角度上來說，目前國(guó)內(nèi)的HMM 算法為基礎(chǔ)的嵌入式語(yǔ)音識(shí)別系統(tǒng)模型還是比較少的，而目前主流DSP 都可以提供100MIPS 以上的運(yùn)算速度[9]，完全可以滿足CHMM 對(duì)計(jì)算能力的要求，這也從側(cè)面驗(yàn)證，HMM 算法為基礎(chǔ)的嵌入式語(yǔ)音識(shí)別系統(tǒng)的組建和推廣應(yīng)用都具有相當(dāng)高的可行性和必要性，這一系統(tǒng)在五十詞以內(nèi)的詞令識(shí)別上，其效果表現(xiàn)非常不錯(cuò)，HMM 算法為基礎(chǔ)的嵌入式語(yǔ)音識(shí)別系統(tǒng)可以在家電、玩具、智能儀器上進(jìn)行廣泛的應(yīng)用，具有良好的發(fā)展前景。

5 結(jié)論

綜上所述，就是目前為止針對(duì)語(yǔ)音識(shí)別算法及其在嵌入式系統(tǒng)中的應(yīng)用的相關(guān)研究和分析了，從文中闡述內(nèi)容中不難看出，不同的語(yǔ)音識(shí)別算法為基礎(chǔ)的嵌入式系統(tǒng)，其性能、可靠性等方面都具有比較大的不同。其中筆者進(jìn)行研究和分析的HMM 算法為基礎(chǔ)的嵌入式語(yǔ)音識(shí)別系統(tǒng)具有很好的實(shí)踐效果，并且可以在現(xiàn)代社會(huì)大眾的日常工作、生活以及社會(huì)發(fā)展中進(jìn)行運(yùn)用，系統(tǒng)資源的消耗相對(duì)合理，并且具有很好的系統(tǒng)性價(jià)比，值得后續(xù)進(jìn)行推廣運(yùn)用，對(duì)于國(guó)民經(jīng)濟(jì)發(fā)展非常重要。