面向嵌入式計算平臺的自動語音識別關(guān)鍵技術(shù)研究.pdf

1、在未來幾十年,先進通信將迅速改變?nèi)藗兊纳詈凸ぷ鞣绞?隨時、隨地使用一定范圍內(nèi)的設(shè)備進行實時通信和實時數(shù)據(jù)處理將逐漸成為現(xiàn)實,基于嵌入式計算平臺的自動語音識別(Automatie speech Recognition,ASR)是關(guān)鍵技術(shù)之一。
　　 許多在實驗室表現(xiàn)優(yōu)異的ASR系統(tǒng),一旦應用到復雜的實際噪聲環(huán)境就馬上變得不穩(wěn)定;另一方面,魯棒性高的識別系統(tǒng)往往依賴于高計算量,只適合運行于PC平臺甚至高性能服務器。如何降低ASR系

2、統(tǒng)的計算復雜度使之適合嵌入式平臺,并提高其在復雜噪聲環(huán)境下的魯棒性,是嵌入式ASR研究的重點和難點。目前,嵌入式ASR應用系統(tǒng)多為分布式結(jié)構(gòu),即在目標設(shè)備上裝載語音識別前端,將復雜的語音識別后端放置在服務器。本文著重研究基于嵌入式計算平臺的自動語音識別前端關(guān)鍵技術(shù)。
　　 作為ASR的第一步,有效的語音端點檢測可減少系統(tǒng)后續(xù)處理時間,排除無聲段噪聲干擾,提高語音識別準確率。本文提出了兩種語音端點檢測新方法。其一,將時域?qū)?shù)能量特

3、征與頻域譜熵特征相結(jié)合,提出基于對數(shù)能量譜熵的端點檢測方法,由于其計算簡單可應用于中低端嵌入式平臺;其二,針對抗噪性能優(yōu)良但計算稍復雜的非線性語音特征端點檢測,提出基于樣本熵的語音端點檢測方法,有望應用于高端嵌入式平臺。仿真實驗表明,兩種新方法在低信噪比環(huán)境下,比傳統(tǒng)的能量法、譜熵法、能量譜熵法、對數(shù)能量法等都具有更好的魯棒性,能更好地區(qū)分語音和噪聲,檢測準確率更高。
　　 語音增強是從含有噪聲的語音信號中盡可能消除噪聲,還原出

4、純凈語音信號。完全消噪是不可能的,實際系統(tǒng)中的語音增強以抑制背景噪聲、保護和提高感知語音質(zhì)量為目的?；诙虝r譜估計的語音增強算法由于計算簡單最適宜嵌入式平臺,但有時會造成語音失真。本文分析比較了幾種典型短時譜估計算法計算復雜度,針對其中乘加計算量最小的RL算法進行改進,引入人耳掩蔽效應,提出基于Bark域的RL改進算法,并進一步降低了計算量。實驗表明,改進后的算法能顯著抑制噪聲,并有更好的語音質(zhì)量,有效減少了語音失真。
　　 語

5、音特征提取是ASR前端的最后一個環(huán)節(jié)也是最重要的環(huán)節(jié),特征提取質(zhì)量對識別結(jié)果起決定性作用。美爾頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficient,MFCC)以其良好的性能成為ASR系統(tǒng)標準前端,本文針對標準MFCC提取過程進行了兩點改進:一是調(diào)整了漢明窗系數(shù),提高窗函數(shù)性能;二是將子帶頻譜質(zhì)心(Subband Spectrum Centroid,SSC)加入MFCC過程。傳統(tǒng)語音特征提取利用了語音幅度信息

6、卻忽略了頻譜信息,由于各頻帶頻譜峰值位置受背景噪聲影響相對較小,具有更好的魯棒性,而SSC非常接近頻譜中的峰值位置,本文將SCC引入MFCC,提出基于美爾子帶頻譜質(zhì)心(Mel Subband Spectrum Centroid,MSSC)的語音特征提取新方法。HTK仿真實驗表明,新漢明窗及MSSC語音特征提取新方法與傳統(tǒng)MFCC法比較,低信噪比環(huán)境下的識別率平均提高了17.13％。
　　 將上述語音端點檢測算法、語音增強算法和語

7、音特征提取算法集成為一個ASR前端實驗系統(tǒng)。本文選擇ADI公司的多媒體高性能ADSP-BF533作為嵌入式平臺,將該前端系統(tǒng)進行優(yōu)化并成功移植,驗證了其在嵌入式平臺上實現(xiàn)的可行性。最后,將上述部分研究成果用于移動學習平臺原型系統(tǒng)設(shè)計,并進一步研究了教學資源知識表示技術(shù),提出了一種本體概念相似度計算新方法;研究了AMR-WB編碼器優(yōu)化技術(shù),提出了一種快速固定碼本搜索方法。該原型系統(tǒng)在中山讀書郎公司的兒童早教機、學生掌上電腦和數(shù)碼讀書機系列