1 語音識別片上系統(tǒng)概述

　　隨著數(shù)字信號處理技術(shù)的發(fā)展，語音識別片上系統(tǒng)已成為人們研究的熱點(diǎn)。然而，復(fù)雜的系統(tǒng)與硬件需求的矛盾，一定程度上限制了它的應(yīng)用和推廣。本文針對上述問題，采用相應(yīng)的識別策略［1］，合理安排算法流程，完成了高性能特定人與非特定人識別系統(tǒng)的片上實(shí)現(xiàn)。

　　2 硬件平臺

　　DSP選型時(shí)需綜合考慮運(yùn)算速度、成本、功耗、硬件資源和程序可移植性等因素。本系統(tǒng)采用美國德州儀器（TI）生產(chǎn)的TMS320VC5507定點(diǎn)DSP作為核心處理器［2］，并配合使用PLL時(shí)鐘發(fā)生器、JTEG標(biāo)準(zhǔn)測試接口、異步通信串口、DMA控制器、通用輸入輸出GPIO端口以及多通道緩沖串口（McBSPs）等主要片內(nèi)外設(shè)。系統(tǒng)硬件平臺如圖1所示。

　　VC5507 DSP芯片采用先進(jìn)的多總線結(jié)構(gòu)，內(nèi)含64 K×16 bit的片上RAM和64 KB的ROM；片內(nèi)可屏蔽ROM固化有引導(dǎo)轉(zhuǎn)載程序（Bootloader）和中斷向量表等；采用流水線結(jié)構(gòu)提高指令執(zhí)行的整體速度。與C54x系列DSP不同的是，VC5507DSP的存儲空間包括統(tǒng)一的數(shù)據(jù)、程序空間和I/O空間，尋址空間可達(dá)16 MB；片內(nèi)包含兩個(gè)算術(shù)邏輯單元（ALUs），在最高時(shí)鐘頻率200 MHz下，指令周期可達(dá)5 ns，最高速度可達(dá)400 MIPS。

　　存儲器采用三菱公司生產(chǎn)的M5M29GB/T320VP系列Flash芯片。全片容量2 MW，分為128個(gè)扇區(qū)，通過外部存儲器接口（EMIF）方式與讀寫時(shí)序接入DSP；采用2.7 V～3.6 V單電源供電。該系列Flash支持塊編程操作［3］，讀寫速度要快得多，有利于實(shí)時(shí)性的改善。

　　基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目60572083

　　圖1 語音識別系統(tǒng)硬件框圖

　　A/D、D/A轉(zhuǎn)換器采用英國Wolfson公司生產(chǎn)的WM8973L芯片。該芯片支持16位A/D、D/A轉(zhuǎn)換，具有可編程輸入輸出增益控制，可通過軟件設(shè)置8～96 KHz的多種采樣頻率［4］。

　　3 軟件結(jié)構(gòu)

　　3.1 系統(tǒng)概述

　　特定人識別系統(tǒng)采用12維MFCC參數(shù)作為識別引擎的特征參數(shù)，訓(xùn)練與識別都是在片上實(shí)時(shí)實(shí)現(xiàn)的，系統(tǒng)框架如圖2（a）所示。在訓(xùn)練階段，由片上實(shí)時(shí)提取每個(gè)詞條的特征參數(shù)存放到Flash中作為模板庫。在識別階段，將待識別詞條實(shí)時(shí)提取特征參數(shù)、端點(diǎn)檢測以后，利用動態(tài)時(shí)間規(guī)整（DTW）算法與模板庫中的所有模板進(jìn)行匹配，選擇失真度最小的模板作為識別結(jié)果。當(dāng)詞表改變時(shí)，只需調(diào)整Flash存儲方式，算法本身無需改動。

　?。╝） 特定人系統(tǒng)

　　（b） 非特定人系統(tǒng)

　　圖2 識別系統(tǒng)框架

　　非特定人識別系統(tǒng)的輸入特征矢量為27維，包括12維MFCC、12維MFCC一階差分、一階對數(shù)能量、一階差分能量以及二階差分能量。系統(tǒng)以基于因素的CDHMM模型為基本識別框架，采用Viterbi解碼的幀同步搜索算法進(jìn)行識別。HMM模型訓(xùn)練事先在PC機(jī)上進(jìn)行，而Viterbi搜索則在DSP芯片上實(shí)時(shí)實(shí)現(xiàn)，整個(gè)系統(tǒng)為雙層結(jié)構(gòu)，如圖2（b）所示。

　　訓(xùn)練階段主要完成如下任務(wù)：給定一個(gè)HMM模型和一組觀察矢量集合，采用迭代算法調(diào)整模型參數(shù)，使得新模型和給定的觀察矢量集合的似然度最大。首先用初始模型估計(jì)觀察矢量由隱含層所有可能的狀態(tài)序列輸出的后驗(yàn)概率，然后根據(jù)前一步的估計(jì)結(jié)果，利用最大似然準(zhǔn)則估計(jì)新的HMM模型，所得到的參數(shù)用作下一次迭代。識別階段采用Viterbi搜索，所構(gòu)建的識別網(wǎng)絡(luò)包括狀態(tài)號和狀態(tài)連接關(guān)系等信息。為了減少網(wǎng)絡(luò)搜索的內(nèi)存占用量，采用每個(gè)詞條單獨(dú)建立網(wǎng)絡(luò)的方法，使得每個(gè)詞條的搜索過程可在內(nèi)存中獨(dú)立進(jìn)行［5］。