基于嵌入式语音识别系统的研究

论文摘要

近些年来,随着科学技术的不断发展,语音识别技术开始从实验室走向市场。语音识别技术就是让机器通过识别和理解的过程将获取的语音信号转变成文本或命令的技术。由于其研究的难度以及重要性,语音识别技术成为当前研究的热点与难点。将其应用于嵌入式系统中,使得嵌入式语音识别技术成为语音识别领域新的发展方向,并且其应用已成为具有竞争性的高技术的新兴产业。本文首先对语音识别的基本理论进行研究,包括语音信号的预处理、特征提取、模型匹配三个方面的重要方法,给出了基于MFCC+△MFCC的语音特征参数提取方法。基于理论的研究,在实验室环境下提取了特定人的0-9的10个语音数据,分别对语音信号预处理中的预加重、端点检测,MFCC+△MFCC语音特征参数提取方法及语音模型匹配算法进行了实验仿真。结果表明了以上理论的有效性。然后将以上研究结果应用于嵌入式语音识别系统中。通过对嵌入式语音识别系统的开发环境、硬件处理器的选择等相关理论研究,进行了嵌入式语音识别系统硬件和软件的设计,系统包括硬件平台、Bootloader、Linux内核及根文件系统。基于硬件设计部分,选用以ARMS3C2440处理器为核心的开发板,搭建系统的硬件平台,通过UDA1341TS语音芯片的串行口软件来实现语音信号的A/D采样,ARMS3C2440处理器的选用大大提高了系统的运行速度及性能。基于软件的设计部分,对系统软件的开发流程及实现方案做了详细介绍,并在Liunx交叉开发环境下,对MFCC+△MFCC语音特征参数提取方法及DTW算法的功能模块进行程序调试。最后,通过ARMS3C2440采集语音数据,且经过具体实验验证了基于MFCC+△MFCC语音特征参数提取方法及DTW模板匹配算法的特定人孤立词嵌入式语音识别系统的性能,系统测试结果达到预期目标。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究的背景与意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 嵌入式技术现状
• 1.4 主要研究内容
• 1.5 论文结构安排
• 2 语音识别的基本理论
• 2.1 语音识别的基础
• 2.1.1 语音信号产生的数学模型
• 2.1.2 语音识别系统的类型
• 2.1.3 语音识别的基本原理
• 2.2 语音信号的预处理
• 2.2.1 采样量化
• 2.2.2 语音加窗分帧
• 2.2.3 端点检测
• 2.3 语音信号的特征提取
• 2.3.1 线性性预测倒谱系数（LPCC）
• 2.3.2 美尔频率倒谱系数（MFCC）
• 2.4 语音识别系统模板的训练方法
• 2.4.1 偶然性训练方法
• 2.4.2 鲁棒性训练方法
• 2.4.3 聚类训练方法
• 2.5 语音模板的匹配方法
• 2.5.1 隐马尔科夫模型（HMM）
• 2.5.2 动态时间规整（DTW）
• 2.6 本章小结
• 3 语音识别系统的仿真
• 3.1 系统组成
• 3.2 语音信号预处理
• 3.2.1 语音信号预加重
• 3.2.2 加窗分帧
• 3.2.3 信号端点检测
• 3.3 语音特征参数提取
• 3.4 语音识别模式匹配算法
• 3.5 实验结果分析
• 3.6 本章小结
• 4 基于嵌入式语音识别系统的应用平台研究
• 4.1 嵌入式语音识别系统的特点
• 4.2 系统设计过程注意事项
• 4.3 嵌入式语音识别系统的硬件平台研究
• 4.3.1 系统主控芯片的选择
• 4.3.2 语音芯片的选择
• 4.3.3 搭建嵌入式语音识别系统的硬件平台
• 4.4 嵌入式语音识别系统软件平台研究
• 4.4.1 嵌入式操作系统Linux
• 4.4.2 BootLoader 介绍
• 4.4.3 系统开发环境
• 4.5 本章小结
• 5 基于嵌入式语音识别系统的设计与实现
• 5.1 系统架构
• 5.2 系统工作原理
• 5.3 系统硬件设计部分
• 5.3.1 Samsang ARMS3C2440
• 5.3.2 系统控制模块
• 5.3.3 系统音频输入、输出模块
• 5.3.4 系统存储模块
• 5.3.5 通信接口模块
• 5.4 嵌入式系统软件设计
• 5.4.1 系统软件设计流程
• 5.4.2 音频驱动
• 5.4.3 程序编译
• 5.5 嵌入式系统实现
• 5.5.1 语音识别系统的硬件实验环境
• 5.5.2 Linux串口通讯软件配置
• 5.5.3 H-jtag 烧写
• 5.5.4 NFS 的设置
• 5.6 嵌入式语音识别系统测试
• 5.7 测试结果分析
• 5.8 本章小结
• 6 结论
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表的论文