特定人語音識(shí)別技術(shù)在汽車控制上的應(yīng)用

1、特定人語音識(shí)別技術(shù)在汽車控制上的應(yīng)用 從20世紀(jì)50年月開頭對(duì)語音識(shí)別的討論開頭，經(jīng)過幾十年的進(jìn)展已經(jīng)達(dá)到一定的高度，有的已經(jīng)從試驗(yàn)室走向市場，如一些玩具、某些部門密碼語音輸入等，隨著和專用技術(shù)的進(jìn)展，迅速傅立葉變換以及近來操作系統(tǒng)的討論，使得特定人識(shí)別尤其是計(jì)算量小的特定人識(shí)別成為可能。因此，對(duì)特定人語音識(shí)別技術(shù)在汽車控制上的應(yīng)用的討論是很有前途的。2 特定人語音識(shí)別的辦法目前，常用的說話人識(shí)別辦法有模板匹配法、統(tǒng)計(jì)建模法、聯(lián)接主義法(即人工實(shí)現(xiàn))?？紤]到數(shù)據(jù)量、實(shí)時(shí)性以及識(shí)別率的問題，筆者采納基于矢量量化和隱馬爾可夫模型(hmm)相結(jié)合的辦法。說話人識(shí)別的系統(tǒng)主要由語音特征矢量提取單元(前

2、端處理)、訓(xùn)練單元、識(shí)別單元和后處理單元組成，其系統(tǒng)構(gòu)成1所示。圖1系統(tǒng)構(gòu)成由上圖也可以看出，每個(gè)司機(jī)在購買車后必需將自己的語音輸入系統(tǒng)，也就是訓(xùn)練過程，固然最好是在寧靜、次數(shù)達(dá)到一定的數(shù)目。從今在以后駕駛過程中就可以利用這個(gè)系統(tǒng)了。所謂預(yù)處理是指對(duì)語音信號(hào)的特別處理:預(yù)加重，分幀處理。預(yù)加重的目的是提上升頻部分，使信號(hào)的頻譜變得平坦，以便于舉行頻譜分析或聲道參數(shù)分析。用具有 6db/倍頻程的提上升頻特性的預(yù)加重?cái)?shù)字實(shí)現(xiàn)。雖然語音信號(hào)是非平穩(wěn)時(shí)變的，但是可以認(rèn)為是局部短時(shí)平穩(wěn)。故語音信號(hào)分析常分段或分幀來處理。2.1 語音特征矢量提取單元說話人識(shí)別系統(tǒng)設(shè)計(jì)中的根本問題是如何從語音信號(hào)中提取表征

3、人的基本特征。即語音特征矢量的提取是囫圇說話人識(shí)別系統(tǒng)的基礎(chǔ)，對(duì)說話人識(shí)別的錯(cuò)誤否決率和錯(cuò)誤接受率有著極其重要的影響。同語音識(shí)別不同，說話人識(shí)別利用的是語音信號(hào)中的說話人信息，而不考慮語音中的字詞意思，它強(qiáng)調(diào)說話人的共性。因此，單一的語音特征矢量很難提高識(shí)別率。該系統(tǒng)在說話人的識(shí)別中采納倒譜系數(shù)加基因周期參數(shù),而在對(duì)控制指令的語音識(shí)別中僅采納倒譜系數(shù)。其中，常用的倒譜系數(shù)有2 種，即lpc(線性預(yù)測系數(shù))和倒譜參數(shù)(lpcc),一種是基于mel刻度的mfll(頻率倒譜系數(shù))參數(shù)(mel頻率譜系數(shù))。對(duì)于lpcc參數(shù)的提取, 可先采納durbin遞推算法、格型算法或者schur遞推算法來求lpc

4、系數(shù)，然后求lpc參設(shè)第l幀語音的lpc系數(shù)為n,則lpcc的參數(shù)為1np其中p為lpcc系數(shù)的階數(shù)，k為lpcc系數(shù)的遞推次數(shù)。進(jìn)一步的討論發(fā)覺，引入一階和二階差分倒譜可以提高識(shí)別率。對(duì)于mpcc參數(shù)的提取，若按照mel曲線將語音信號(hào)頻譜分為k個(gè)頻帶，每個(gè)頻帶的能量為(mk)，則 mfcc參數(shù)為1np通過對(duì)lpcc和mfcc參數(shù)對(duì)識(shí)別率影響的試驗(yàn)比較，筆者選取lpcc參數(shù)及其一階和二階差分倒譜稀疏作為特征參數(shù)?；糁芷诠懒康霓k法無數(shù)，主要有基于求短時(shí)自相關(guān)函數(shù)的算法、基于求短時(shí)平均幅度差函數(shù)(amdf)的算法、基于同態(tài)信號(hào)處理和線性預(yù)測編碼的算法。筆者僅介紹基于求短時(shí)自相關(guān)函數(shù)的算法。設(shè)sw

5、(n)是一段加窗語音信號(hào)，它的非零區(qū)間為0nn-1。sw(n)的自相關(guān)函數(shù)稱為語音信號(hào)的s(n)的短時(shí)自相關(guān)函數(shù)，用rw(l)表示，即rw(l)=可知短時(shí)自相關(guān)函數(shù)在rw(0)處最大，且在基音周期的各個(gè)整數(shù)倍點(diǎn)上有很大的峰值，挑選合適的窗函數(shù)(窗長為40ms的hamming窗)與濾波器(帶寬為60"900hz的帶通濾波器)后，只要找到自相關(guān)函數(shù)的第一最大峰值點(diǎn)的位置并計(jì)算它與零點(diǎn)的距離，便能估量出基音周期。2.2 訓(xùn)練單元訓(xùn)練單元的功能是把事先收集到的語音利用一定的算法為每一個(gè)待識(shí)別的說話人訓(xùn)練出與之相匹配的參數(shù)。針對(duì)說話人識(shí)別在汽車應(yīng)用中的不同的要求，訓(xùn)練單元也分為2部分:對(duì)說話人

6、識(shí)別的訓(xùn)練和對(duì)待識(shí)別詞的訓(xùn)練。對(duì)于說話人識(shí)別部分的訓(xùn)練， 針對(duì)說話人的特征舉行訓(xùn)練，為每個(gè)合法用戶建立一套或多套hmm模型，同時(shí)采納基于矢量量化(vq)的辦法，為每個(gè)合法用戶建立vq碼本。vq碼本的設(shè)計(jì)采納lbg算法，初始碼本的設(shè)置采納分裂法初始碼本。第2 部分針對(duì)控制指令中用到的每個(gè)孤立的詞條建立多個(gè)訓(xùn)練樣本，或稱為詞條樣本，估量出該詞條的hmm參數(shù)(一套或多套)。對(duì)一個(gè)hmm過程的完整的描述包括:2個(gè)模型參數(shù)n和m，3組概率度量a，b和。為了便利起見，通常采納如下方式表示一個(gè)完整的模型:=(n,m,a,b)，或者簡寫為:= (,a,b)。而對(duì)于每一個(gè)詞條v的模型參數(shù)，v=1"v，

7、可以用baum-welch重估算法。2.3 識(shí)別單元識(shí)別單元的功能是利用經(jīng)訓(xùn)練已經(jīng)獲得的hmm模型參數(shù) 和測得的說話人的基音周期在一定的判決條件下辨認(rèn)出待識(shí)別的說話人并估量出待識(shí)別的控制指令詞串。針對(duì)hmm模型參數(shù)通常采納的判決條件是最大后驗(yàn)概率，用viterbi算法實(shí)現(xiàn)。2.4 后處理單元充分利用每個(gè)說話人的聲道參數(shù)和詞條中各狀態(tài)持續(xù)時(shí)光的概率分布來改進(jìn)系統(tǒng)的識(shí)別率。3 系統(tǒng)的實(shí)現(xiàn)因?yàn)槠嚨目刂浦噶钍怯邢薜脑~條和數(shù)字串的組合， 對(duì)這些語音指令的識(shí)別屬于特定人小詞匯量的銜接詞的識(shí)別以及與文本有關(guān)的說話人確認(rèn)，不論是從目前的dsp運(yùn)算速度還是存儲(chǔ)空間來說，實(shí)時(shí)實(shí)現(xiàn)這些語音指令的識(shí)別都是徹低可能的

8、。識(shí)別系統(tǒng)組成框圖所示:在此系統(tǒng)中，對(duì)運(yùn)算能力和存儲(chǔ)單元要求十分高的語音識(shí)別部分徹低由dsp完成?？驁D中識(shí)別系統(tǒng)的功能是完成語音的輸入、a/d轉(zhuǎn)換及識(shí)別，系統(tǒng)中核心部分采納tms320vc5410。其緣由是它的運(yùn)算速度和存儲(chǔ)空間都能滿足要求，同時(shí)它的一些并行運(yùn)算硬件結(jié)構(gòu)也十分適合語音識(shí)別的各種算法，程序和已經(jīng)脫機(jī)訓(xùn)練好的hmm參數(shù)表及相應(yīng)的詞典存放在程序存儲(chǔ)器中，數(shù)據(jù)存儲(chǔ)器存放識(shí)別過程中的中間計(jì)算數(shù)據(jù)。a/d芯片采納tlc320ad50c, 里面含有a/d、d/a以及和采樣保持。模擬語音信號(hào)的輸入主要是通過傳聲器，保證語音門禁的平安性，轉(zhuǎn)換后的數(shù)字語音數(shù)據(jù)以同步串行通信方式傳送給dsp。2。圖2 識(shí)別系統(tǒng)的組成框圖4 結(jié)束語語音控制汽車是將來的一種趨勢。目前，將語音技術(shù)應(yīng)用于汽車的產(chǎn)品惟獨(dú)在一些玩具中用到，由此可想利用語音技術(shù)舉行汽車控制這一領(lǐng)域蘊(yùn)涵著相當(dāng)大的潛在市場。而且，說話人識(shí)別技術(shù)已經(jīng)進(jìn)展到可以應(yīng)用到實(shí)際的階段了，但目前對(duì)說話人識(shí)別的應(yīng)用并不是無數(shù)。筆者嘗試提出一種比較簡單實(shí)現(xiàn)的計(jì)劃，將說話人識(shí)別技術(shù)應(yīng)用到實(shí)際中。但在實(shí)際應(yīng)用中，說話人識(shí)別系統(tǒng)