張曉明

（唐山市人事考試中心， 河北 唐山 063000）

引言

在考場語音識別過程中識別出發(fā)音錯誤的詞匯，對于其系統(tǒng)糾錯水平提高具有重要作用，現(xiàn)有的多數(shù)語音識別系統(tǒng)在技術(shù)上無法有效消除信號和雜音干擾，識別能力較差[1-4]。為此本文提出了一種發(fā)音自動糾錯技術(shù)，采用單識別器的CCD 傳感器和TDSP-TF887 芯片提升識別速度，將DTW 算法引入到系統(tǒng)的語音識別程序中以保證錯誤語音的精確識別，為考試者提供了一個良好的口語練習輔助平臺。

1 語音采集及錯誤信號提取

語音信號采集是錯誤語音識別流程的第一個環(huán)節(jié)，對應的程序需要能夠從采集到的語音信號中提取出發(fā)音有誤的詞匯。程序運行的第一步是對系統(tǒng)中安裝的語音設備進行檢測，如果沒有發(fā)現(xiàn)相關(guān)設備則會發(fā)出提醒信號；第二步執(zhí)行語音信號初始化操作，保證系統(tǒng)采集到的語音以正確的格式進行保存；接下來從存儲空間中劃撥出一部分作為語音數(shù)據(jù)的緩存空間；最后對錯誤語音的參數(shù)進行計算。語音采集的具體流程如圖1 所示。

錯誤語音信號參數(shù)的提取方式和結(jié)果都是整個系統(tǒng)識別精度的影響因素。通過錯誤語音信號參數(shù)的提取獲取有效的錯誤語音信息才能保證系統(tǒng)識別結(jié)果的準確性。錯誤語音信號參數(shù)提取分為以下幾個步驟進行：

1）通過預加重、信號分幀和加窗的方式對錯誤的語音信號進行處理，在這個過程中，設定采樣點的數(shù)量為256 個，基于傅里葉變換錯誤語音信號的頻譜。

2）計算錯誤語音信號的功率譜。

3）獲取功率譜后使用梅爾濾波器對其進行運算，取運算結(jié)果的對數(shù)，獲得對數(shù)頻譜。

4）將該對數(shù)頻譜由時域變換到頻域，具體方式為：

5）基于上述過程對每一幀錯誤語音信號進行特征提取，獲取效用最高的錯誤語音信號。

由上述流程可見，通過功率譜的計算可以完成錯誤語音信號參數(shù)的提取，從而實現(xiàn)錯誤語音識別功能，既簡化了錯誤語音識別的流程，又保證了識別結(jié)果的準確性。

基于錯誤語音采集程序和錯誤語音信號參數(shù)提取實現(xiàn)了錯誤語音的識別功能，并通過錯誤語音的功率譜計算保證了識別的準確性。

2 技術(shù)實現(xiàn)

人發(fā)出的語音由語音識別傳感器中的二極管進行采集并將其轉(zhuǎn)換為數(shù)字信號。CMOS 傳感器與CCD傳感器是語音識別系統(tǒng)中較為常見的語音傳感器。CMOS 傳感器中集成了多個配有單獨轉(zhuǎn)換電路和識別器的二極管，其語音輸出方式與內(nèi)存電路較為相似；CCD 傳感器的內(nèi)部結(jié)構(gòu)與CMOS 傳感器相比較為簡單，只集成了一個識別器，語音數(shù)據(jù)由二極管開始逐單元傳輸直至傳感器的最底層并在此進行整合，經(jīng)識別器識別后繼續(xù)向后傳輸。本研究選用CCD 傳感器進行語音的采集和識別。

本次研究的過程中對語音識別處理器進行了優(yōu)化設計，采用DTW 算法進行語音的處理和識別，重點在于能夠?qū)崟r處理系統(tǒng)采集到的語音。所以，系統(tǒng)的語音識別處理器除了運算與控制的基礎功能之外，還通過執(zhí)行程序、指令系統(tǒng)與處理器結(jié)構(gòu)的優(yōu)化具備了語音實時處理的能力。DPS 芯片的性能決定了語音數(shù)據(jù)的處理效率，此外還關(guān)系到語音識別處理器的優(yōu)化程度和優(yōu)化過程的復雜度，因此DPS 芯片的選取是語音識別處理器優(yōu)化設計的一個重要環(huán)節(jié)。

制定語音識別處理器的優(yōu)化方案要從芯片的數(shù)據(jù)處理性能和語音識別精度兩個方面出發(fā)，對于智能語音識別系統(tǒng)，語音數(shù)據(jù)的處理效率是極為重要的性能指標，為了確保實現(xiàn)語音數(shù)據(jù)的實時處理，處理器必須能夠在極短的時間內(nèi)完成處理過程。對于語音的識別精度，浮點DPS 芯片通常情況下要高于定點DPS 芯片，能夠使智能語音識別系統(tǒng)擁有較強的錯誤語音識別能力。語音識別處理器芯片的總體結(jié)構(gòu)與數(shù)據(jù)處理流程如圖2 所示。

語音識別處理的選擇要依據(jù)硬件資源豐富、數(shù)據(jù)處理效率高的要求進行。智能語音識別系統(tǒng)的錯誤語音識別是基于大量的數(shù)據(jù)運算實現(xiàn)的，為了保證運算速度，本次研究選取TDSP-TF887 芯片作為語音識別處理器芯片?；诖a密度進行數(shù)據(jù)處理的語音識別處理器采用了集成16/32 位混合指令集的架構(gòu)形式，應用于本系統(tǒng)可以使其獲得更高的錯誤語音識別能力。

系統(tǒng)的硬件部分基于CCD 傳感器的應用優(yōu)化了語音識別傳感器的語音采集和數(shù)據(jù)處理功能，為了滿足語音數(shù)據(jù)實時處理的要求，通過選用TDSP-TF887浮點DPS 芯片優(yōu)化了語音識別處理器，提高了語音的處理效率和識別精度。

3 自動糾錯效果測試

3.1 測試樣本與參數(shù)設定

為了驗證本系統(tǒng)在錯誤語音智能識別方面的性能，選取一種傳統(tǒng)語音識別系統(tǒng)為參照系統(tǒng)[5]與本系統(tǒng)進行性能對比。使用中文32 篇短文作為口語語音輸入內(nèi)容。系統(tǒng)主要參數(shù)設定如下：語音振動音頻范圍為[-100，100]，語音有效性判定參數(shù)=8.5，maxX的峰值分別取3.2、3.6、4.0、4。

3.2 創(chuàng)建系統(tǒng)數(shù)據(jù)庫

系統(tǒng)數(shù)據(jù)庫中包含待測語音數(shù)據(jù)庫、漢語詞典數(shù)據(jù)庫與標準發(fā)音數(shù)據(jù)庫，其中漢語詞典數(shù)據(jù)庫為BEEP 數(shù)據(jù)庫。系統(tǒng)數(shù)據(jù)庫采取對外開放的形式，所有用戶都可以進行語音輸入。

3.3 評價指標

發(fā)音自動糾錯系統(tǒng)的性能以準確率和查全率兩項指標進行評價。其計算方式分別為：

3.4 測試結(jié)果與分析

本系統(tǒng)與參照系統(tǒng)各進行10 次性能測試，測試結(jié)果如圖3 和圖4 所示。

由圖3 和圖4 中的數(shù)據(jù)可見，參照系統(tǒng)對錯誤語音進行識別的準確率和查全率數(shù)值都處于較低的水平，其中準確率最高只達到了62.6%，查全率最高僅為63.4%，10 次測試的準確率平均值為59.02%。本研究所提出系統(tǒng)的準確率和查全率均達到90%以上，其中最高準確率為96.2%，最高查全率為95.2%，10 次測試的準確率平均值為93.0%。以上數(shù)據(jù)表明，本研究提出的發(fā)音自動糾錯系統(tǒng)相較于傳統(tǒng)同類系統(tǒng)擁有更強的錯誤語音識別能力。

4 結(jié)論

為了滿足考試語音識別模塊中的糾錯需求，本文提出一種發(fā)音自動糾錯技術(shù)，采用CCD 傳感器進行語音的采集和處理，基于TDSP-TF887 浮點DPS 芯片實現(xiàn)了語音識別處理器的優(yōu)化設計，同時，在軟件部分引入了DTW 算法，提高了系統(tǒng)對錯誤語音的識別速度和精度。實際應用測試結(jié)果顯示，本文所設計系統(tǒng)的性能相較于其他同類系統(tǒng)有了大幅提高，非常適用于考場語音糾錯問題的解決。