语音识别及其定点DSP实现

语音识别研究的根本目的是研究出一种具有听觉功能的机器，能直接接受人的口呼命令，理解人的意图并做出相应的反映。语音识别系统的研究涉及微机技术、人工智能、数字信号处理、模式识别、声学、语言学和认知科学等许多学科领域，是一个多学科综合性研究领域。近年来，高性能数字信号处理芯片DSP(Digital Signal Process)技术的迅速发展，为语音识别的实时实现提供了可能，其中，AD公司的数字信号处理芯片以其良好的性价比和代码的可移植性被广泛地应用于各个领域。因此，我们采用AD公司的定点DSP处理芯片ADSP2181实现了语音信号的识别。

　　1 语音识别的基本过程

　　根据实际中的应用不同，语音识别系统可以分为：特定人与非特定人的识别、独立词与连续词的识别、小词汇量与大词汇量以及无限词汇量的识别。但无论那种语音识别系统，其基本原理和处理方法都大体类似。一个典型的语音识别系统的原理图如图1所示。

　　语音识别过程主要包括语音信号的预处理、特征提取、模式匹配几个部分。预处理包括预滤波、采样和量化、加窗、端点检测、预加重等过程。语音信号识别最重要的一环就是特征参数提取。提取的特征参数必须满足以下的要求：

　　(1)提取的特征参数能有效地代表语音特征，具有很好的区分性；

　　(2)各阶参数之间有良好的独立性；

　　(3)特征参数要计算方便，最好有高效的算法，以保证语音识别的实时实现。

　　在训练阶段，将特征参数进行一定的处理后，为每个词条建立一个模型，保存为模板库。在识别阶段，语音信号经过相同的通道得到语音特征参数，生成测试模板，与参考模板进行匹配，将匹配分数最高的参考模板作为识别结果。同时，还可以在很多先验知识的帮助下，提高识别的准确率。

　　2 系统的硬件结构

　　2．1 ADSP2181的特点

　　AD公司的DSP处理芯片ADSP2181是一种16b的定点DSP芯片，他内部存储空间大、运算功能强、接口能力强。有以下的主要特点：

　　(1)采用哈佛结构，外接16．67MHz晶振，指令周期为30ns，指令速度为33MI／s，所有指令单周期执行；

　　(2)片内集成了80 kB的存储器：16 kB字的(24b)的程序存储器和16kB字(16b)的数据存储器；

　　(3)内部有3个独立的计算单元：算术逻辑单元(ALU)、乘累加器(MAC)和桶形移位器(SHIFT)，其中乘累加器支持多精度和自动无偏差舍人；

　　(4)一个16b的内部DMA端口(1DMA)，供片内存储器的高速存取；一个8b自举DMA(BDMA)口，用于从自举程序存储器中装载数据和程序；

　　(5)6个外部中断，并且可以设置优先级或屏蔽等。

　　由于ADSP2181以上的特点，使得该芯片构成的系统体积小、性能高、成本和功耗低，能较好地实现语音识别算法。

　　2．2 系统的硬件结构

　　在构成语音识别电路时，我们采用了ADSP2181的主从结构设计方式，通过IDMA口由CPU装载程序。语音识别系统的硬件结构如图2所示。

　　在这种结构中，PC机为主CPU，ADSP2181为从CPU，由PC机通过IDMA口将程序装载到ADSP2181的内部存储器中。PC机总线通过CPLD译码，形成IRD，IWR，IAL，IS等控制信号，与ADSP2181的IDMA口相连。这样，在ADSP2181全速运行时，主机可以查询从机的运行状态，可以访问到ADSP2181内部所有的程序存储器和数据存储器。这对程序的编译和调试，以及语音信号的实时处理带来了极大的方便。

　　3 语音识别的DSP实现技术

　　3．1 浮点运算的定点实现

　　在语音识别的算法中，有许多的浮点运算。用定点DSP来实现浮点运算是在编写语音识别程序中需要首先解决的问题。这个问题可以通过数的定标方法来实现。数的定标就是决定小数点在定点数中的位置。Q表示法是一种常用的定标方法。其表示机制是：

　　设定点数是J，浮点数是)／，则Q法表示的定点数与浮点数的转换关系为：

　　浮点数)／转换为定点数x：x= (int)y×2Q；

　　定点数z转换为浮点数y：y =(float)x×2-Q。

　　3．2 数据精度的处理

　　用16b的定点DSP实现语音识别算法时，虽然程序的运行速度提高了，但是数据精度比较低。这可能由于中间过程的累计误差而引起运算结果的不正确。为了提高数据的运算精度，在程序中采用了以下的处理方法：

　　(1)扩展精度

　　在精度要求比较高的地方，将计算的中间变量采用32b，甚至48b来表示。这样，在指令条数增加不多的情况下却使运算精度大大提高了。

　　(2)采用伪浮点法来表示浮点数

　　伪浮点法即用尾数+指数的方法来表示浮点数。这时，数据块的尾数可以采用Q1．15数据格式，数据块的指数相同。这种表示数据的方法有足够大的数据范围，可以完全满足数据精度的要求，但是需要自己编写一套指数和尾数运算库，会额外增加程序的指令数和运算量，不利于实时实现。

　　以上两种方法，都可以提高运算精度，但在实际操作时，要根据系统的要求和算法的复杂度，来权衡考虑。