基于TMS320VC5509A的語音識(shí)別與控制系統(tǒng)

2 硬件結(jié)構(gòu)部分
    本系統(tǒng)的硬件結(jié)構(gòu)框圖如圖2所示。

    此系統(tǒng)的核心器件是TI公司的TMS320VC5509A定點(diǎn)DSP芯片。它是系統(tǒng)的運(yùn)算處理單元，具有2個(gè)乘法器(MAC)，4個(gè)累加器(ACC)；40位、16位的算術(shù)邏輯單元(ALU)各一個(gè)，這大大增強(qiáng)了DSP的運(yùn)算能力；指令字長(zhǎng)不只單一的16位，可擴(kuò)展到最高48位，數(shù)據(jù)字長(zhǎng)16位；在144MHz下工作，指令周期可達(dá)6.94ns。TMS320VC5509A還提供高速的多通道緩沖串口McBSP(Multi-channel Buffererd Serial Ports），DSP可通過McBSP與其他DSP、編解碼器等器件相連。McBSP具有全雙工通信，雙緩沖數(shù)據(jù)寄存器，允許傳送連續(xù)的數(shù)據(jù)流，能夠向CPU發(fā)送中斷，向DMA控制器發(fā)送DMA事件，可設(shè)置幀同步脈沖和時(shí)鐘信號(hào)的極性等功能，這大大方便了DSP采集音頻信號(hào)^[3]。除此之外，TMS320VC5509A還提供了更為高效的外部存儲(chǔ)器接口（EMIF），以往DSP的空間選通信號(hào)被片選信號(hào)取代，而每個(gè)片選信號(hào)分別占用不同的地址空間，這樣就不需要外部的譯碼電路，從而實(shí)現(xiàn)了與外部設(shè)備的無縫連接，可使DSP外部存儲(chǔ)空間擴(kuò)大到滿足系統(tǒng)要求。值得強(qiáng)調(diào)的是，可通過USB接口對(duì)TMS320VC5509A燒寫程序而不必借助仿真器。正是基于這些優(yōu)點(diǎn)，選擇該芯片可節(jié)省開發(fā)資金，減小電路板面積。
    TLV320AIC23是TI公司的一款低成本、低功耗的音頻編解碼芯片(CODEC)，在本系統(tǒng)中負(fù)責(zé)采集語音信號(hào)。它與本系統(tǒng)相關(guān)的性能參數(shù)如下：(1)支持8kHz～96kHz可調(diào)采樣率；(2)與DSP連接，主從類型可通過軟件編寫來實(shí)現(xiàn)；(3)DSP可通過I2C總線來配置TLV320AIC23的寄存器；(4)采集語音信號(hào)字長(zhǎng)16/20/24/32Bit；(5)MIC音頻輸入具有強(qiáng)抗噪性；(6)具有可調(diào)1～5dB的完整緩存放大系統(tǒng)^[4]。
    EPM3128ATC100-10可編程邏輯器件(CPLD)在本系統(tǒng)中擔(dān)當(dāng)兩方面的職能：(1)作為控制部件，接收DSP發(fā)出的信號(hào)，經(jīng)邏輯判斷后，驅(qū)動(dòng)諸如電機(jī)、發(fā)光二極管等器件；(2)用于DSP地址線的擴(kuò)展。TMS320VC5509A只有14根地址線，但它的外部存儲(chǔ)空間可以擴(kuò)展到16MB(字節(jié)尋址)，顯然，DSP的固有地址線是無法滿足要求的。本系統(tǒng)采用CPLD完成地址線的擴(kuò)展^[5][6]。
HY57V641620同步動(dòng)態(tài)存儲(chǔ)器(SDRAM)，容量為4M×16Bit。作為RAM的擴(kuò)展，大大增強(qiáng)了DSP的存儲(chǔ)與運(yùn)算能力^[7]。
    SST39VF1601閃存存儲(chǔ)器(Flash)，容量為1M×16Bit。在這個(gè)系統(tǒng)中[8]，它主要用來存儲(chǔ)程序代碼。上電后，DSP從外部Flash加載并執(zhí)行程序代碼，使系統(tǒng)能夠脫機(jī)運(yùn)行。
3 軟件模塊部分
    軟件流程如圖3所示。系統(tǒng)采集語音信號(hào)后，首先要進(jìn)行預(yù)濾波和預(yù)加重；接著將語音信號(hào)進(jìn)行分幀，由于語音信號(hào)具有極強(qiáng)的相關(guān)性，因此在分幀時(shí)，要考慮幀重復(fù)。本文將語音信號(hào)以256個(gè)采樣點(diǎn)為一幀，兩幀之間的重復(fù)點(diǎn)數(shù)為80；然后計(jì)算每幀信號(hào)的短時(shí)能量與短時(shí)平均過零率，這也是接下來進(jìn)行端點(diǎn)檢測(cè)的依據(jù)；利用門限判決進(jìn)行端點(diǎn)檢測(cè)后，提取每幀信號(hào)的LPC系數(shù)，作為該幀信號(hào)的特征值；最后，用語音信號(hào)的特征值與模板逐個(gè)進(jìn)行匹配。相似度最大的模板所對(duì)應(yīng)的語音信號(hào)為識(shí)別結(jié)果，根據(jù)識(shí)別結(jié)果就可以向外發(fā)出控制信號(hào)。

3.1 端點(diǎn)檢測(cè)
    端點(diǎn)檢測(cè)就是要從采集的信號(hào)中檢測(cè)出說話人的命令字。此系統(tǒng)中，對(duì)語音信號(hào)進(jìn)行了分幀操作，一種簡(jiǎn)便的方法就是獲取說話人命令字的起始幀數(shù)，具體操作是通過求一幀信號(hào)的短時(shí)能量和短時(shí)平均過零率來判斷的。語音信號(hào)的短時(shí)能量分析給出了反應(yīng)其幅度變化的一個(gè)合適描述方法。一幀語音信號(hào)的短時(shí)能量定義為：
  
    短時(shí)過零率，即指每幀內(nèi)信號(hào)通過零值的次數(shù)，能夠在一定程度上反映信號(hào)的頻譜特性。一幀語音信號(hào)內(nèi)短時(shí)平均過零率定義為：
   
    在正式端點(diǎn)檢測(cè)開始后，短時(shí)能量與短時(shí)平均過零率一起做為門限來判決說話人命令字的開始與結(jié)束：連續(xù)5幀語音信號(hào)超過門限值視為說話人命令字的開始，連續(xù)8幀語音信號(hào)低于門限值視為說話人命令字的結(jié)束。
3.2 特征值提取
    此系統(tǒng)以語音信號(hào)的線性預(yù)測(cè)系數(shù)（LPC）作為特征值。采用自相關(guān)法獲取LPC系數(shù)，先計(jì)算每幀語音信號(hào)的13階自相關(guān)函數(shù)，定義為：
   
    得到自相關(guān)函數(shù)后，采用萊文遜—杜賓遞推算法計(jì)算線性預(yù)測(cè)系數(shù)，得到說話人一個(gè)命令字的LPC系數(shù)矩陣，大小為：命令字幀數(shù)×12。
3.3 模板匹配（DTW算法）
    模板匹配就是把上述計(jì)算得到的LPC系數(shù)矩陣中的元素與事先存在DSP中的模板元素進(jìn)行差值計(jì)算。在此系統(tǒng)中，采用動(dòng)態(tài)時(shí)間彎折（DTW）算法：假設(shè)參考模板的LPC系數(shù)向量序列為X=(x₁，x₂，…，x_I)，輸入語音的LPC系數(shù)向量序列為Y=(y₁，y₂，…，y_J)，I≠J。DTW算法就是要尋找一個(gè)最佳的時(shí)間規(guī)正函數(shù)，使待測(cè)語音的時(shí)間軸j非線性地映射到參考模板的時(shí)間軸i上，使總的累計(jì)差值最小^[1]。算法過程如圖4所示。
   

    圖4中曲線連接起來的點(diǎn)就是模板與待測(cè)語音信號(hào)間的距離d(x_i(n)，y_j(n))，亦稱為局部匹配距離。DTW算法就是通過局部?jī)?yōu)化的方法實(shí)現(xiàn)加權(quán)距離總和最小，也就是相似度最大，定義為：
   
3.4 小數(shù)的定點(diǎn)運(yùn)算
    在進(jìn)行語音信號(hào)處理時(shí)，通常要先對(duì)其進(jìn)行歸一化，使得語音信號(hào)|x(n)|≤1，為后面計(jì)算自相關(guān)函數(shù)及求LPC系數(shù)提供方便。這樣就面臨一個(gè)實(shí)際問題：對(duì)定點(diǎn)DSP而言，參與數(shù)值運(yùn)算的數(shù)是16位二進(jìn)制整型數(shù)，而DSP芯片如何處理小數(shù)運(yùn)算呢？方法是確定一個(gè)數(shù)的小數(shù)點(diǎn)處于16位中的某一位，這也就是數(shù)值的定標(biāo)問題，舉例如下：
    Q0 定標(biāo)  (19AB)₁₆=(31147)10
    Q15定標(biāo)  (19AB)₁₆=(0.95)10
    由此可見，對(duì)于定點(diǎn)DSP芯片內(nèi)部而言，一個(gè)16位整型數(shù)到底表示多少，它本身是不能夠分辨的，必須通過定標(biāo)來確定。進(jìn)行歸一化處理就是把數(shù)以Q15形式定標(biāo)，為以后的運(yùn)算做好準(zhǔn)備^[2]。做小數(shù)的定點(diǎn)運(yùn)算時(shí)，還要進(jìn)行預(yù)運(yùn)算和移位。預(yù)運(yùn)算就是事先估計(jì)運(yùn)算結(jié)果，為下一步移位做準(zhǔn)備。其實(shí)現(xiàn)可采用如Matlab等的輔助軟件。由于此系統(tǒng)的識(shí)別過程涉及較多的乘加運(yùn)算，如幾個(gè)Q15定標(biāo)的數(shù)進(jìn)行加法運(yùn)算，結(jié)果可能出現(xiàn)溢出現(xiàn)象，如果不能進(jìn)行很好的預(yù)運(yùn)算，將對(duì)后面的運(yùn)算產(chǎn)生很大影響；移位是小數(shù)做定點(diǎn)運(yùn)算的具體操作。做加、減、乘、除法時(shí)，要嚴(yán)格按照相應(yīng)的操作方法，每做一個(gè)四則運(yùn)算都要參照實(shí)際情況，遵循先移位、再做運(yùn)算、最后再移位的步驟，以在精度損失最少的情況下保證運(yùn)算結(jié)果的可靠性。
3.5 定點(diǎn)DSP做浮點(diǎn)運(yùn)算
    定點(diǎn)運(yùn)算是以DSP的實(shí)際存儲(chǔ)形式（16位二進(jìn)制整型）為數(shù)值格式進(jìn)行加、減、乘、除等四則運(yùn)算，允許數(shù)值的表示范圍是：(-32768)₁₀～(32767)₁₀。定點(diǎn)DSP的浮點(diǎn)運(yùn)算是人為地開辟兩個(gè)16位存儲(chǔ)單元來表示一個(gè)數(shù)值，其中一個(gè)用來存儲(chǔ)尾數(shù)，另一個(gè)用來存儲(chǔ)指數(shù)，按照自然科學(xué)計(jì)數(shù)法進(jìn)行四則運(yùn)算。顯而易見，這樣的存儲(chǔ)計(jì)算方法，其精度和動(dòng)態(tài)表示范圍都遠(yuǎn)遠(yuǎn)高于定點(diǎn)運(yùn)算。
    為降低成本，本系統(tǒng)選擇了一款定點(diǎn)DSP。由于端點(diǎn)檢測(cè)、模板匹配對(duì)精度要求不高，所以采用定點(diǎn)算法進(jìn)行小數(shù)運(yùn)算；計(jì)算自相關(guān)系數(shù)、提取LPC系數(shù)時(shí)，要求精度高，因此采用浮點(diǎn)算法進(jìn)行小數(shù)運(yùn)算。這也意味著，在端點(diǎn)檢測(cè)完成之后，要先將定點(diǎn)運(yùn)算轉(zhuǎn)換為浮點(diǎn)運(yùn)算；提取LPC系數(shù)之后，再將浮點(diǎn)運(yùn)算轉(zhuǎn)換為定點(diǎn)運(yùn)算進(jìn)行匹配。以犧牲少量運(yùn)算時(shí)間為代價(jià)，適當(dāng)提高運(yùn)算精度和識(shí)別率。實(shí)驗(yàn)證明，這是可行的。
4 測(cè)試方法及結(jié)果
    下面用兩種實(shí)驗(yàn)方法來測(cè)試此系統(tǒng)的性能。
實(shí)驗(yàn)1：用CPLD的輸出信號(hào)來驅(qū)動(dòng)兩個(gè)步進(jìn)電機(jī)R和L，某特定人的四個(gè)命令信號(hào)“走”，“左”，“右”，“停”控制這兩個(gè)電機(jī)的運(yùn)轉(zhuǎn)。對(duì)應(yīng)的實(shí)驗(yàn)現(xiàn)象：走—L、R同時(shí)轉(zhuǎn)；左—L轉(zhuǎn)，R停；右—L停，R轉(zhuǎn)；?！猂、L都不轉(zhuǎn)。
實(shí)驗(yàn)2：用CPLD的輸出信號(hào)驅(qū)動(dòng)四個(gè)發(fā)光二極管A、B、C、D，某特定人的四個(gè)命令信號(hào)“1”，“2”，“3”，“4”來控制相應(yīng)發(fā)光二極管的亮滅。對(duì)應(yīng)的實(shí)驗(yàn)現(xiàn)象：1—A亮，其余滅；2—B亮，其余滅；3—C亮，其余滅；4—D亮，其余滅。
以上兩個(gè)實(shí)驗(yàn)，除了測(cè)試識(shí)別率外，還要比較在計(jì)算自相關(guān)函數(shù)和提取LPC系數(shù)時(shí)，分別采用定點(diǎn)算法、浮點(diǎn)算法所消耗機(jī)器周期的個(gè)數(shù)，本系統(tǒng)DSP的機(jī)器周期為83.28ns。由于每次采集的命令字幀長(zhǎng)不確定，以進(jìn)行十次實(shí)驗(yàn)消耗的機(jī)器周期的平均值來統(tǒng)計(jì)，測(cè)試結(jié)果如表1所示。