隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的迅速發(fā)展，語(yǔ)音口令識(shí)別已經(jīng)成為了人機(jī)交互的一個(gè)重要方式之一。語(yǔ)音口令識(shí)別系統(tǒng)將根據(jù)人發(fā)出的聲音、音節(jié)或短語(yǔ)給出響應(yīng)，如通過(guò)語(yǔ)音口令控制一些執(zhí)行機(jī)構(gòu)、控制家用電器的運(yùn)行或做出回答等。在數(shù)字信號(hào)處理芯片上已經(jīng)實(shí)現(xiàn)了語(yǔ)音口令識(shí)別系統(tǒng)或語(yǔ)音口令識(shí)別系統(tǒng)的部分功能，然而隨著嵌入式微處理器處理能力的大幅度提高，計(jì)算量大的語(yǔ)音口令識(shí)別算法已經(jīng)能夠通過(guò)嵌入式微處理器來(lái)完成，將語(yǔ)音口令識(shí)別系統(tǒng)與嵌入式系統(tǒng)相結(jié)合，發(fā)揮語(yǔ)音識(shí)別系統(tǒng)的潛力，使語(yǔ)音識(shí)別系統(tǒng)能夠廣泛應(yīng)用于便攜式設(shè)備中。

采用隱馬爾克夫模型（Hidden Markov MODEL，HMM） 描述語(yǔ)音信號(hào)的非平穩(wěn)性和局部平穩(wěn)性，HMM中的狀態(tài)與語(yǔ)音信號(hào)的某個(gè)平穩(wěn)段相對(duì)應(yīng)，平穩(wěn)段之間以轉(zhuǎn)移概率相聯(lián)系。由于HMM建模對(duì)語(yǔ)音信號(hào)長(zhǎng)度和模型的混合度的要求都比較低，因此在現(xiàn)有的非特定人語(yǔ)音口令識(shí)別系統(tǒng)中，多采用狀態(tài)輸出具有連續(xù)概率分布的連續(xù)隱馬爾可夫模型（ConTInuous Density Hidden Markov MODEL，CDHMM）。

論文給出一種基于嵌入式系統(tǒng)的語(yǔ)音口令識(shí)別系統(tǒng)的設(shè)計(jì)方案，硬件系統(tǒng)的核心芯片是嵌入式微處理器，語(yǔ)音口令識(shí)別算法采用CDHMM。語(yǔ)音口令首先經(jīng)過(guò)預(yù)處理，提取MFCC（Mel-Frequency Ceptral Coefficients）特征參數(shù)，然后建立此口令的CDHMM模型，把所有語(yǔ)音口令的模型放在模型庫(kù)中，在識(shí)別階段，通過(guò)概率輸出*分，取*分最大的一個(gè)作為識(shí)別出的口令。將語(yǔ)音識(shí)別系統(tǒng)與嵌入式系統(tǒng)相結(jié)合，可以使語(yǔ)音口令識(shí)別系統(tǒng)廣泛應(yīng)用于便攜式設(shè)備中。

1 硬件電路的設(shè)計(jì)和工作原理

基于嵌入式系統(tǒng)的語(yǔ)音口令識(shí)別系統(tǒng)需要有接收語(yǔ)音信號(hào)的輸入芯片配合麥克風(fēng)實(shí)現(xiàn)將模擬語(yǔ)音信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)的功能，然后由嵌入式微處理器對(duì)輸入的語(yǔ)音口令信號(hào)進(jìn)行處理。完成語(yǔ)音口令信號(hào)輸入功能的芯片采用的是PHILIPS公司的低功耗芯片UDAl341TS，供電電源電壓為3V，該音頻處理芯片由模數(shù)/數(shù)模轉(zhuǎn)換（ADC）、控制邏輯電路、可編程增益放大器（PGA）和數(shù)字自動(dòng)增益控制器（DAGC）以及數(shù)字信號(hào)處理器等部分組成，能進(jìn)行數(shù)字語(yǔ)音處理。

芯片UDAl341TS采用標(biāo)準(zhǔn)的內(nèi)部集成電路聲音總線IIS（Inter IC Sound Bus），該總線是由PHILIPS等公司共同提出的數(shù)字音頻總線協(xié)議，專門用于音頻設(shè)備之間的數(shù)據(jù)傳輸，目前很多音頻芯片和微處理器都提供了對(duì)IIS總線的支持。

IIS總線有三根信號(hào)線，分別是位時(shí)鐘信號(hào)BCK（Bit Clock）、字選擇控制信號(hào)WS（Word Select）和串行數(shù)據(jù)信號(hào)Data，由主設(shè)備提供串行時(shí)鐘信號(hào)和字選擇控制信號(hào)，IIS總線的時(shí)序如圖1所示。

2 基于CDHMM的口令識(shí)別的軟件設(shè)計(jì)

2.1 口令識(shí)別的軟件系統(tǒng)框圖

語(yǔ)音口令識(shí)別的軟件系統(tǒng)分別由特征參數(shù)提取、語(yǔ)音模型庫(kù)和概率輸出*分三大模塊組成，如圖3所示：1）語(yǔ)音口令特征參數(shù)的提取，輸入不同的語(yǔ)音口令，首先要進(jìn)行特征參數(shù)提取，采用Mel頻率參數(shù)作為CDHMM的建模參數(shù)，Mel頻率參數(shù)是根據(jù)人耳的聽覺特性將語(yǔ)音信號(hào)的頻譜轉(zhuǎn)化為基于Mel頻率的非線性頻譜，然后轉(zhuǎn)換到倒譜域上。2）在訓(xùn)練階段，對(duì)不同的語(yǔ)音口令建立CDHMM模型。3）在口令識(shí)別階段，通過(guò)概率輸出*分對(duì)待測(cè)語(yǔ)音口令做出識(shí)別。

N（o，ujk，∑jk）為多維高斯概率密度函數(shù)，o是觀察矢量序列，即從語(yǔ)音中提取的特征矢量參數(shù)（o1，o2，…，ot），t為觀察矢量序列的時(shí)間長(zhǎng)度。ujk，∑jk分別為高斯分布的均值和方差參數(shù)，Cjk為高斯分布的權(quán)值，滿足約束條件

是改進(jìn)后的模型，再將作為初始值，重新估計(jì)。

基于“分段K-平均法”的CDHMM參數(shù)估計(jì)具體過(guò)程為：

（1）設(shè)置模型參數(shù)初始值λ=（π，A，B）。

（2）根據(jù)此λ用Viterbi算法將輸入的訓(xùn)練語(yǔ)音數(shù)據(jù)劃分為最可能的狀態(tài)序列，利用狀態(tài)序列估計(jì)參數(shù)A。

對(duì)于概率密度函數(shù)由若干正態(tài)分布函數(shù)線性相加的CDHMM系統(tǒng)，每個(gè)狀態(tài)θj（1≤j≤N）的概率密度函數(shù)bj（X）由K個(gè)正態(tài)分布函數(shù)線性相加而成，這樣可以把每一狀態(tài)語(yǔ)音幀分成K類，然后計(jì)算同一類中諸語(yǔ)音幀矢量X的均值矢量，方差矩陣∑jk和混合密度函數(shù)中各概率密度函數(shù)的權(quán)重系數(shù) Cjk。

（4）由（2）和（3）估計(jì)的CDHMM參數(shù)作為初值，利用重估公式對(duì)CDHMM參數(shù)進(jìn)行重估，得到參數(shù)。

（5）利用（4）所得的計(jì)算，并與p（O/λ）相比較。如果差值小于預(yù)定的閾值或迭代次數(shù)超過(guò)預(yù)定的次數(shù)，即說(shuō)明模型參數(shù)已經(jīng)收斂，無(wú)需進(jìn)行重估計(jì)算，可將作為模型參數(shù)輸出。反之，若差值超出閾值或迭代未到預(yù)定的次數(shù)，則將計(jì)算結(jié)果作為新的初值，重復(fù)進(jìn)行下一次迭代。

3 結(jié)束語(yǔ)

論文建立了一種基于嵌入式系統(tǒng)的語(yǔ)音口令識(shí)別系統(tǒng)，并且對(duì)上升、下降等14條口令進(jìn)行測(cè)試，每條語(yǔ)音先切除靜音，預(yù)加重，然后通過(guò) Hamming窗分幀處理，幀長(zhǎng)和幀移分別為20ms和10ms，然后對(duì)每一幀語(yǔ)音信號(hào)提取16MFCC+16AMFCC共32維參數(shù)作為特征矢量。該語(yǔ)音口令識(shí)別系統(tǒng)達(dá)到了實(shí)時(shí)的要求，可以使語(yǔ)音口令識(shí)別系統(tǒng)廣泛應(yīng)用于便攜式設(shè)備中。