說話人識別算法的定點(diǎn)DSP實(shí)現(xiàn)

引言
    說話人識別又稱聲紋識別，是通過說話人的聲音特征進(jìn)行身份認(rèn)證的一種生物特征識別技術(shù)。說話人識別經(jīng)過60多年的研究，已經(jīng)逐步應(yīng)用到法律、銀行等各個(gè)領(lǐng)域。說話人識別通過對語音信號進(jìn)行處理，提取說話人語音當(dāng)中的生物學(xué)個(gè)性特征，在特征空間建立不同個(gè)體的特征模型，從而實(shí)現(xiàn)說話人的識別。識別的關(guān)鍵算法包括特征提取和建立模型兩個(gè)方面，參考文獻(xiàn)從基本概念到特征提取，再到模型建立，對說話人識別中涉及的主要算法進(jìn)行了詳細(xì)的綜述，并比較了各種算法的優(yōu)劣。
    實(shí)現(xiàn)基于嵌入式的實(shí)時(shí)說話人識別系統(tǒng)是說話人識別走向應(yīng)用的關(guān)鍵步驟。隨著DSP技術(shù)的發(fā)展，DSP作為數(shù)字處理專用芯片在復(fù)雜數(shù)學(xué)算法的實(shí)現(xiàn)上起著越來越重要的作用。參考文獻(xiàn)在DSP上實(shí)現(xiàn)了說話人確認(rèn)，并應(yīng)用于汽車聲紋鎖。本文以TI公司的TDSDM642EVM為平臺，實(shí)現(xiàn)了實(shí)時(shí)的說話人身份識別系統(tǒng)。

1 系統(tǒng)組成
    說話人識別系統(tǒng)是一個(gè)模式識別的過程，總體上分為兩個(gè)步驟：第一個(gè)步驟是訓(xùn)練說話人模型，第二個(gè)步驟是通過比對模型庫對輸入的信號進(jìn)行說話人識別。其識別過程如圖1所示。

    在訓(xùn)練注冊階段，系統(tǒng)主要完成說話人的特征提取以及模型特征庫的建立。在識別階段，系統(tǒng)根據(jù)輸入的語言信號提取相應(yīng)的特征，然后再與模型庫中的模型進(jìn)行匹配判決，最后給出識別結(jié)果。
    說話人識別在嵌入式系統(tǒng)中實(shí)現(xiàn)時(shí)主要完成語音采集、模型訓(xùn)練、匹配識別3個(gè)任務(wù)。本文采用TDSDM642EVM平臺實(shí)現(xiàn)說話人識別系統(tǒng)，其結(jié)構(gòu)框圖如圖2所示。該系統(tǒng)通過AIC23實(shí)現(xiàn)語音信號采集和播放的功能，輸入的語音信號經(jīng)過TDSDM642處理后，通過LED顯示識別結(jié)果。  ROM中包含說話人識別程序和訓(xùn)練出的模型數(shù)據(jù)，并可以實(shí)時(shí)更新。SDRAM則提供了系統(tǒng)運(yùn)行時(shí)所需的內(nèi)存。

[!--empirenews.page--]

2 系統(tǒng)算法描述
    說話人識別的算法主要包括特征提取和模式識別兩個(gè)方面。MFCC特征參數(shù)是從頻率域提取語音信號的特征參數(shù)，并根據(jù)人耳的聽覺特性進(jìn)行降維，既可減小計(jì)算復(fù)雜度，又能獲得良好的識別效果。MFCC特征提取過程如圖3所示。

    說話人識別建模的方法主要有矢量量化(VQ)、高斯混合模型(GMM)、支持向量基(SVM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)，以及動(dòng)態(tài)時(shí)間規(guī)整(DTW)等。綜合考慮嵌入式系統(tǒng)上算法的識別率和計(jì)算量，本文采用DTW方法實(shí)現(xiàn)文本相關(guān)的說話人識別。

3 定點(diǎn)算法實(shí)現(xiàn)和優(yōu)化
    TDSDM642是TI公司推出的定點(diǎn)DSP芯片，具有性價(jià)比高、運(yùn)算速度快的優(yōu)點(diǎn)，但是定點(diǎn)DSP對于浮點(diǎn)運(yùn)算比較困難，因此在系統(tǒng)實(shí)現(xiàn)時(shí)需要對算法進(jìn)行浮點(diǎn)到定點(diǎn)的移植。同時(shí)，為了使DSP上的代碼獲得最好的性能，還應(yīng)該根據(jù)TDSDM642芯片片內(nèi)資源的特征進(jìn)行優(yōu)化。優(yōu)化的方法有編譯優(yōu)化、軟件流水、內(nèi)聯(lián)函數(shù)等。通過優(yōu)化可以明顯提高代碼執(zhí)行速度，并減小代碼尺寸。
    說話人識別當(dāng)中，計(jì)算耗時(shí)最長的是MFCC參數(shù)的提取和參數(shù)模型的訓(xùn)練，本文采用以下優(yōu)化方法。
3．1 編譯器優(yōu)化
    TI公司的CCS編譯器可以對C代碼進(jìn)行不同級別的優(yōu)化，通過打開不同的優(yōu)化選項(xiàng)，可以針對具體的硬件平臺進(jìn)行不同程度的優(yōu)化，包括代碼的大小、運(yùn)行的速度等。通常經(jīng)過CCS優(yōu)化的程序，運(yùn)行速度已經(jīng)相當(dāng)快，結(jié)構(gòu)設(shè)計(jì)良好的程序能實(shí)現(xiàn)90％的優(yōu)化。如果還沒有達(dá)到系統(tǒng)設(shè)計(jì)的要求，則需要對代碼進(jìn)行手工優(yōu)化。
3．2 軟件流水優(yōu)化
    TDSDM642處理器采用C64x系列芯片，其內(nèi)部共有8條軟件流水線，可以8條指令并行執(zhí)行，能夠大大提高系統(tǒng)性能。恰當(dāng)?shù)卦O(shè)計(jì)軟件結(jié)構(gòu)，并配合合適的編譯優(yōu)化選項(xiàng)，可以充分利用芯片內(nèi)的軟件流水優(yōu)化提高系統(tǒng)性能。CCS的編譯優(yōu)化一般只針對最內(nèi)層的循環(huán)進(jìn)行流水
優(yōu)化，并且在循環(huán)中代碼應(yīng)該盡量簡單，如果循環(huán)中含有大量判斷、跳轉(zhuǎn)等指令，那么編譯出來的軟件流水會(huì)大打折扣，有時(shí)甚至無法進(jìn)行流水執(zhí)行指令，這樣處理器的性能就不能充分地發(fā)揮出來。
3．3 循環(huán)展開優(yōu)化
    循環(huán)展開是另一種優(yōu)化程序的方法。為了充分利用芯片內(nèi)的硬件資源，使盡可能多的指令同時(shí)并行執(zhí)行，可以采用將小循環(huán)展開的方式，使片內(nèi)資源的性能得到最大的發(fā)揮。CCS優(yōu)化編譯器通常情況下會(huì)根據(jù)程序的情況自動(dòng)展開循環(huán)，編程人員也可以采用編譯指令或手工方式展開循環(huán)優(yōu)化程序。
3．4 采用內(nèi)聯(lián)函數(shù)
    TI公司的C6000編譯器含有大量的內(nèi)聯(lián)函數(shù)，支持從C語言里直接調(diào)用匯編程序，從而大大提高程序的執(zhí)行速度。系統(tǒng)提供的內(nèi)聯(lián)函數(shù)還可以支持C64x系列DSP特有指令的執(zhí)行，例如數(shù)據(jù)打包相乘等操作，可以進(jìn)一步提高系統(tǒng)數(shù)據(jù)處理能力。

4 實(shí)驗(yàn)結(jié)果
    本文在TDSDM642 EVM平臺上實(shí)現(xiàn)了實(shí)時(shí)的說話人識別系統(tǒng)。經(jīng)過對10個(gè)人的語音數(shù)據(jù)進(jìn)行識別實(shí)驗(yàn)，正確率達(dá)到90％，可以達(dá)到實(shí)用水平。通過改進(jìn)算法和調(diào)整參數(shù)，可以進(jìn)一步提高系統(tǒng)識別率，以滿足安全系統(tǒng)的更高要求。