基于dsp的話者識別系統(tǒng)svm算法的研究

《基于dsp的話者識別系統(tǒng)svm算法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、http://www.paper.edu.cn基于DSP的話者識別系統(tǒng)SVM算法的研究12郭峻嶺沈維聰1武漢理工大學(xué)信息工程學(xué)院,湖北武漢（430070）2武漢理工大學(xué)信息工程學(xué)院,湖北武漢（430070）E-mail：candykiven@163.com摘要：本文給出了一種基于DSP的話者識別系統(tǒng)的硬件設(shè)計與算法研究。硬件核心是TMS320C5402數(shù)字信號處理器，接口芯片為數(shù)模/模數(shù)轉(zhuǎn)換器TLV320AIC23。軟件算法采用支持向量機SVM(SupportVectorMachine)方法來對語音信號進(jìn)行訓(xùn)練與識別。關(guān)鍵詞：話者識別DSP倒譜系數(shù)(MFCC)支持向量機(SVM)1.引言話者識

2、別即說話人識別，它是語音識別的一個重要發(fā)展方向。與語音識別不同的是，說話人識別利用的是語音信號中的說話人信息，而不考慮語音中的字詞意思，它強調(diào)說話人的個性特點；而語音識別的目的是識別出語音信號中的言語內(nèi)容，并不考慮說話人是誰，它強調(diào)共性。隨著現(xiàn)代數(shù)字通訊、多媒體系統(tǒng)、信息高速公路等技術(shù)的應(yīng)用和發(fā)展，話者識別己經(jīng)越來越深入地影響并改變著我們每個人的生活和工作方式，這同時也對語音信號處理的研究工作提出了更高的要求，它在各方面的進(jìn)展也令人矚目。如今，說話人識別技術(shù)己逐漸走入實際應(yīng)用，AT&T應(yīng)用說話人識別技術(shù)研制出了智慧卡(smartcard)，己應(yīng)用于自動提款[4]機。歐洲電信聯(lián)盟在電信與金融結(jié)合

3、領(lǐng)域應(yīng)用說話人識別技術(shù)，于1998年完成了CAVE(CallerVerificationinBankingandTelecommunication)計劃，并于同年又啟動了PICASSO(PioneeringCallAuthenticationforSecureServiceOperation)計劃，在電信網(wǎng)上完成了說話人識別。2.話者識別基本原理話者識別技術(shù)是一門交叉學(xué)科，它所涉及的學(xué)科基礎(chǔ)包括：信號處理、模式識別、概率論和信息論、發(fā)聲機理和聽覺機理、人工智能等等。每個說話人的語音信號既含有文本信息又含有說話人信息，說話人識別就其本質(zhì)來講，就是要把語音信號中的文本信息與說話人信息分離開，提取其

4、中表征說話人身份的信息；另一方面，我們希望在提取說話人的特征時要盡可能地做到與文本無關(guān)，不易受外界環(huán)境、身體狀況等因素的影響。因此從語音信號中[3.4]提取的說話人特征參數(shù)應(yīng)滿足以下準(zhǔn)則：ò對局部變量(例如：身體狀況、情緒、系統(tǒng)的傳輸特性)不敏感；ò能長期地保持穩(wěn)定；-1-http://www.paper.edu.cnò容易對其進(jìn)行測量和存儲；[1]話者識別分為訓(xùn)練和識別兩個部分。在訓(xùn)練階段，話者識別系統(tǒng)將為每一個話者建立一個能夠描述這一說話人個性特征的模型，即說話人的語音特征模型。話者識別系統(tǒng)對語音樣本進(jìn)行學(xué)習(xí)，學(xué)習(xí)結(jié)束把學(xué)習(xí)的內(nèi)容存儲到模型庫中。在識別階段，對說話人進(jìn)行辨認(rèn)時，取與測試音匹

5、配距離最小的說話人模型所對應(yīng)的說話人作為說話人識別的結(jié)果；對說話人進(jìn)行確認(rèn)時，用測試音的模型與所聲稱的說話人的模型進(jìn)行比較，若匹配距離小于一個規(guī)定的閥值，則該說話人得到確認(rèn)。說話人識別的基本原理如圖一所示。語音輸入識別結(jié)果預(yù)處理特征提取模式匹配模板訓(xùn)練參考模式圖1話者識別基本原理3.系統(tǒng)硬件結(jié)構(gòu)本系統(tǒng)以TMS320C5402為核心。TMS320C5402DSP是TI公司TMS320C54X系列的產(chǎn)品，它是一種典型的高性能、低功耗、16位定點DSP，廣泛應(yīng)用于語音處理、圖形圖像處理以及實時信號處理等多種領(lǐng)域。由于采用先進(jìn)的修正哈佛（Harvard）結(jié)構(gòu)、多總線結(jié)構(gòu)和流水線技術(shù)，使處理指令和數(shù)據(jù)可

6、以同時進(jìn)行，從而大大提高了處理速度，TMS320C5402DSP的處理速度最高可達(dá)100MIPS。在數(shù)字信號處理算法中，乘法和累加是基本的大量的運算，如卷積、FFT、FIR和IIR、矩陣運算、矢量搜索等，都大量類似于∑A(k)B(n?k)一類的運算。而DSP中設(shè)置了硬件乘法器和MAC(乘法并累加)一類指令，這些操作往往可在單個指令周期內(nèi)完成，從而提高了速度，即使在聲頻范圍內(nèi)也能達(dá)到實時分析處理。片內(nèi)存儲器DRAM有16K字，ROM有4K字；片內(nèi)具有豐富的外設(shè)，如PLL、McBSP、DMA、HIP等，其中多通道緩沖串口（McBSP）是一個雙向的同步串口，用來和AD/DA連接，接收采集到的語音數(shù)據(jù)

7、。TMS320C5402有兩個McBSP多通道緩存串行口。McBSP提供了全雙工的通信機制，以及雙緩存的發(fā)送寄存器和三緩存的接收寄存器，允許連續(xù)的數(shù)據(jù)流傳輸，數(shù)據(jù)長度可以為8、12、16、20、24、32；同時還提供了A－律和μ－律壓擴，多達(dá)128個通道的發(fā)送和接收。AD/DA芯片采用TI公司的高速模擬接口芯片TLV320AIC23，它集成了16位A/D和D/A轉(zhuǎn)換器，采樣速率最高可達(dá)22.05k