基于DSP的语音识别计算器电路设计 - 全文

　　语音识别技术是人机最自然、最简洁的交流方式，它就是让机器能够自动识别并理解说话人要表达的意思，将语音信号转变为正确的文本或者命令的高科技技术。根据实际的应用，语音识别可以分为：特定人与非特定人的识别、孤立词与连续词的识别、中小词汇量与无限词汇量的识别。考虑到成本及使用范围因素，本文中应用的是基于TMS320VC5509 DSP的非特定人、孤立词、小词汇量的语音识别系统。通过实际测试，使用该DSP的语音识别系统有着较高的实时性、识别率，基于该系统的计算器对实时数字计算有较高准确性，基本能解决特殊群体和特殊地点使用计算器困难的情况。

　　语音识别过程主要包括语音信号前处理、特征提取、模式匹配等部分。语音信号输入之后，预处理和数字化是进行语音识别的前提条件。特征提取是进行语音信号训练和识别必不可少的步骤，采用的是提取每帧的Mel系数的倒谱参数作为语音信号的特征值。模板匹配算法目前有 DTW 算法、HMM隐马尔科夫模型、ANN人工神经网络等。本文采用HMM隐马尔科夫模型的方法，提取出的特征值存入参考模式库中，用来匹配待识别语音信号的特征值。匹配计算是进行语音识别的核心部分，由待识别人的语音经过特征提取后，与系统训练时产生的模板进行匹配，在说话人辨认中，取与待识别语音相似度最大的模型所对应的语音作为识别结果。

　　系统硬件结构

　　图 2为系统硬件结构框图。此系统的核心器件是TI公司的TMS320VC5509定点DSP。在本系统中，它不仅是语音识别的核心，还负责计算器的运算部分。TMS320VC5509是系统的运算处理单元，具有2个乘法器（MAC），4个累加器（ACC）；40位、16位的算术逻辑单元（ALU）各一个，这大大增强了DSP的运算能力；指令字长不只单一的16位，可扩展到最高48位，数据字长16位；可通过USB接口对TMS320VC5509烧写程序而不必借助仿真器。正是基于这些优点，选择该器件可节省开发资金，减小电路板面积。DSP与TLV320AIC23的接口电路如图3所示。

　　TLV320AIC23采集语音信号电路模块

　　TLV320AIC23是Tl公司的一款低成本、低功耗的音频编解码器（CODEC），在本系统中负责采集语音信号。它与本系统相关的性能参数有：支持8～96 kHz可调采样率；可调1～5dB的完整缓存放大系统等。图4是TLV320AIC23的电路图。

　　AM29LV800B存储器又称闪存（Flash），它具有在线电擦写、低功耗、大容量等特点，其存储容量为8Mbit。上电后，DSP从外部Flash加载并执行程序代码，使系统能够脱机运行。在本系统中，它主要用来存储程序代码、语音模型、以及压缩后的语音数据。

　　HY57V641620 同步动态存储器（SDRAM），容量为4 M×16 bit。作为RAM的扩展，它大大增强了DSP的存储与运算能力。在系统初始化的时候，用来装载放在Flash中的声学模型。这样在语音识别的过程中可以通过片外的SDRAM来访问声学模型，比直接访问Flash来获取声学模型数据要快。LCD显示器用来实时显示经过语音识别后的数字、运算符号，并在得到需要显示最终结果的提示后显示答案。