智能機(jī)器人語音識(shí)別技術(shù)

1、.專業(yè)整理.學(xué)習(xí)幫手.智能機(jī)器人語1識(shí)別技術(shù):學(xué)號(hào)：201215715關(guān)鍵詞：智能機(jī)器人；語音識(shí)別；隱馬爾可夫模型DSP摘要：給出了一種由說話者說出控制命令，機(jī)器人進(jìn)行識(shí)別理解，并執(zhí)行相應(yīng)動(dòng)作的實(shí)現(xiàn)技術(shù)。在此，提出了一種高準(zhǔn)確率端點(diǎn)檢測算法、高精度定點(diǎn)DSP動(dòng)態(tài)指數(shù)定標(biāo)算法，以解決 定點(diǎn)DSP實(shí)現(xiàn)連續(xù)隱馬爾科夫模型 CHMMR別算法時(shí)所涉及的大量浮點(diǎn)小數(shù)運(yùn)算問題，提高 了定點(diǎn)DS際現(xiàn)的實(shí)時(shí)性、精度，及其識(shí)別率 關(guān)鍵詞：智能機(jī)器人；語音識(shí)別；隱馬爾可夫模型；DSP1語音識(shí)別概述語音識(shí)別技術(shù)最早可以追溯到20世紀(jì)50年代，是試圖使機(jī)器能“聽懂”人類語音的技術(shù)。按照目前主流的研究方法， 連續(xù)語音識(shí)別

2、和孤立詞語音識(shí)別采用的聲學(xué)模型一般不同。孤立詞語音識(shí)別一般采用 DTWV助態(tài)時(shí)間規(guī)整算法。連續(xù)語音識(shí)別一般采用 HMMII型或者HMMW人工神經(jīng)網(wǎng)絡(luò) ANN1結(jié)合。語音的能量來源于正常呼氣時(shí)肺部呼出的穩(wěn)定氣流，喉部的聲帶既是閥門，又是振動(dòng)部件。語音信號(hào)可以看作是一個(gè)時(shí)間序列，可以由隱馬爾可夫模型（HMM）S行表征。語音信號(hào)經(jīng)過數(shù)字化及濾噪處理之后，進(jìn)行端點(diǎn)檢測得到語音段。對(duì)語音段數(shù)據(jù)進(jìn)行特征提取，語音信號(hào)就被轉(zhuǎn)換成為了一個(gè)向量序列，作為觀察值。在訓(xùn)練過程中，觀察值用于估計(jì)HMM的參數(shù)。這些參數(shù)包括觀察值的概率密度函數(shù)，及其對(duì)應(yīng)的狀態(tài)，狀態(tài)轉(zhuǎn)移概率等。當(dāng)參數(shù)估計(jì)完成后，估計(jì)出的參數(shù)即用于識(shí)別。

3、此時(shí)經(jīng)過特征提取后的觀察值作為測試數(shù)據(jù)進(jìn)行識(shí)別，由此進(jìn)行識(shí)別準(zhǔn)確率的結(jié)果統(tǒng)計(jì)。訓(xùn)練及識(shí)別的結(jié)構(gòu)框圖如圖1所示。S 1語祝鶴系屹”構(gòu)框的1.1端點(diǎn)檢測找到語音信號(hào)的起止點(diǎn)，從而減小語音信號(hào)處理過程中的計(jì)算量，是語音識(shí)別過程中一個(gè)基本而且重要的問題。端點(diǎn)作為語音分割的重要特征，其準(zhǔn)確性在很大程度上影響系統(tǒng)識(shí)別的性能。能零積定義：一幀時(shí)間圍的信號(hào)能量與該段時(shí)間信號(hào)過零率的乘積。能零積門限檢測算法可以在不丟失語音信息的情況下，對(duì)語音進(jìn)行準(zhǔn)確的端點(diǎn)檢測，經(jīng)過450個(gè)孤立詞(數(shù)字“09”)測試準(zhǔn)確率為 98%以上，經(jīng)該方法進(jìn)行語音分割后的語 音，在進(jìn)入識(shí)別模塊時(shí)識(shí)別正確率達(dá)95%。當(dāng)話者帶有呼吸噪聲，或周

4、圍環(huán)境出現(xiàn)持續(xù)時(shí)間較短能量較高的噪聲，或者持續(xù)時(shí)間長而能量較弱的噪聲時(shí)，能零積門限檢測算法就不能對(duì)這些噪聲進(jìn)行濾除，進(jìn)而被判作語音進(jìn)入識(shí)別模塊，導(dǎo)致誤識(shí)。圖 2(a)所示為室環(huán)境，正常情況下采集到的帶有呼氣噪聲的 數(shù)字“09”的語音信號(hào)，利用能零積門限檢測算法得到的效果示意圖。最前面一段信號(hào)為呼氣噪聲，之后為數(shù)字“ 09”的語音。0昂刎門1眼武零，出型IS Z 性潮蠟豪的通滅矛惠國從圖2(a)直觀的顯示出能零積算法在對(duì)付能量較弱，但持續(xù)時(shí)間長的噪音無能為力。由此引出了雙門限能零積檢測算法。所謂的雙門限能零積算法指的是進(jìn)行兩次門限判斷。第一門限采用能零積，第二門限為單詞能零積平均值。也即在前面介

5、紹的能零積檢測算法的基礎(chǔ)上再進(jìn)行一次能零積平均值的判決。其中，第二門限的設(shè)定依據(jù)取決于所有實(shí)驗(yàn)樣本中呼氣噪聲的平均能零積及最小的語音單詞能零積之間的一個(gè)常數(shù)。如圖2(b)所示，即為圖2(a)中所示的語音文件經(jīng)過雙門限能零積檢測算法得到的檢測結(jié)果。可以明顯看到，最前一段信號(hào)，即呼氣噪聲已經(jīng)被視 為噪音濾除。1. 2隱馬爾可夫模型 HMM隱馬爾可夫模型，即HM謔一種基于概率方法的模式匹配方法。它的應(yīng)用是20世紀(jì)80年代以來語音識(shí)別領(lǐng)域取得的重要成果。一個(gè)HM瞰型可以表示為：A =4.4+。) 1)式中：兀 為初始狀態(tài)概率分布，兀i=P(q1= 0 i) , IwiWN,表示初始狀態(tài)處于0 i的概率

6、；A 為狀態(tài)轉(zhuǎn)移概率矩陣，(aij)N XN, aij=P( qt+1 = 0 j|qt= Qi) , 1<i , j < Nl; B 為觀察值概率矩陣，B=bj(ot) , j=1 , 2,，N,表示觀察值輸出概率分布，也就是觀察 值ot處于狀態(tài)j的概率。1. 3模型訓(xùn)練HMM有多種結(jié)構(gòu)類型，并且有不同的分類方法。 根據(jù)狀態(tài)轉(zhuǎn)移矩陣(A參數(shù))和觀察值 輸出矩陣(B參數(shù))的不同有不同類型的 HMM對(duì)于CHMMI型，當(dāng)有多個(gè)觀察值序列時(shí)， 其重估公式由參考文檔給出，此處不再贅述。1. 4概率計(jì)算利用HMM勺定義可以得出 P(O|入)的直接求取公式：P(O I A) 2 fl(傳|式(

7、2)計(jì)算量巨大，是不能接受的。Rabiner提出了前向后向算法， 計(jì)算量大大減小。定義前向概率：«f (i) = PS ,電，%必< | A> (3) 那么有： (1)初始化；由(力三 jt大) l<i<N C4) (2)遞推， N*1。= £酊 4仇。#1) 1 W 工 N, ini<3)終止：*廠邛PCO| A) =。I式(2)表示的是初始前向概率，其中 bi(o1)為觀察值序列處于t=1時(shí)刻在狀態(tài)i時(shí) 的輸出概率，由于它服從連續(xù)高斯混合分布，故此值往往極小。根據(jù)大量實(shí)驗(yàn)觀察，通常小于10-10 ,此值在定點(diǎn)DSP中已不能用Q格式表示。分析

8、式(3)可以發(fā)現(xiàn)，隨著時(shí)間t的增 加，還會(huì)有大量的小數(shù)之間的乘法加法運(yùn)算，使得新的前向概率值at+1更小，逐漸趨向于0,定點(diǎn)DS陳用普通的Q格式進(jìn)行計(jì)算時(shí)便會(huì)負(fù)溢出，即便不發(fā)生負(fù)溢出也會(huì)大大丟失精 度。因此必須尋找一種解決方法，在不影響DSP實(shí)時(shí)性的前提下，既不發(fā)生負(fù)溢出，又能提高精度。2. DSP實(shí)現(xiàn)語音識(shí)別孤立詞語音識(shí)別一般采用 DTW動(dòng)態(tài)時(shí)間規(guī)整算法。連續(xù)語音識(shí)別一般采用HMMI型或者HMMW人工神經(jīng)網(wǎng)絡(luò) ANN1結(jié)合。為了能實(shí)時(shí)控制機(jī)器人，首先需要考慮的是能夠?qū)崿F(xiàn)實(shí)時(shí)地語音識(shí)別。而考慮到 CHMMJ巨大計(jì)算量以及成本因素，采用了數(shù)據(jù)處理能力強(qiáng)大，成本相對(duì)較低的定點(diǎn)數(shù)字信 號(hào)處理器，即定

9、點(diǎn)DSP本實(shí)驗(yàn)采用的是 TI公司多媒體芯片 TMS320DM642定點(diǎn)DSP要能準(zhǔn) 確、實(shí)時(shí)的實(shí)現(xiàn)語音識(shí)別，必須考慮2點(diǎn)問題：精度問題和實(shí)時(shí)性問題。精度問題的產(chǎn)生原因已經(jīng)由1.4節(jié)詳細(xì)闡述，這里不再贅述。因此必須找出一種可以提高精度，而又不會(huì)對(duì)實(shí)時(shí)性造成影響的解決方法?；谝陨峡紤]，本文提出了一種動(dòng)態(tài)指數(shù)定標(biāo)方法。這種方法類似于科學(xué)計(jì)數(shù)法，用2個(gè)32 b單元，一個(gè)單元表示指數(shù)部分 EXP,另一個(gè)單元表示小數(shù)部分 Frac。首先將待計(jì)算的數(shù)據(jù)按照指數(shù)定標(biāo)格式歸一化，再進(jìn)行運(yùn) 算。這樣當(dāng)數(shù)據(jù)進(jìn)行運(yùn)算時(shí)，仍然是定點(diǎn)進(jìn)行，從而避開浮點(diǎn)算法，從而使精度可以達(dá)到要 求。對(duì)于實(shí)時(shí)性問題，通常，語音的頻率圍大

10、約是3003 400 Hz左右，因而本實(shí)驗(yàn)采樣率取8 kHz, 16 b量化?？紤]識(shí)別的實(shí)現(xiàn)，必須將語音進(jìn)行分幀處理。研究表明，大約在 1030 ms,人的發(fā)音模型是相對(duì)穩(wěn)定的，所以本實(shí)驗(yàn)中取32 ms為一幀，16 ms為幀移的時(shí)間間隔。解決實(shí)時(shí)性問題必須充分利用DS芯片的片上資源。利用EDMAl行音頻數(shù)據(jù)的搬移，提高CPUJ用率。采用PING-PONGS沖區(qū)進(jìn)行數(shù)據(jù)的緩存，以保證不丟失數(shù)據(jù)。CHMM”練的模板放于外部存儲(chǔ)器，由于外部存儲(chǔ)器較片存儲(chǔ)器的速度更慢，因此開啟CACHE建立DSP/BIOS任務(wù)，充分利用BIOS進(jìn)行任務(wù)之間的調(diào)度，實(shí)時(shí)處理新到的語音數(shù)據(jù)，檢測語音的 起止點(diǎn)，當(dāng)有語音數(shù)

11、據(jù)時(shí)再進(jìn)入下一任務(wù)進(jìn)行特征提取及識(shí)別。將識(shí)別結(jié)果用揚(yáng)聲器播放， 并送入到機(jī)器人的控制模塊。實(shí)驗(yàn)中，采用如圖3的程序架構(gòu)。圖3 機(jī)M人識(shí)刷就件捱富3機(jī)器人控制機(jī)器人由自然條件下的語句進(jìn)行控制。這些語句描述了動(dòng)作的方向，以及動(dòng)作的幅度。為了簡單起見，讓機(jī)器人只執(zhí)行簡單命令。由手機(jī)進(jìn)行遙控，DSP莫塊識(shí)別出語音命令, 送控制命令到ARM莫塊，驅(qū)動(dòng)左右機(jī)械輪執(zhí)行相應(yīng)動(dòng)作。3. 1硬件結(jié)構(gòu)機(jī)器人的硬件結(jié)構(gòu)如圖 4所示。困4 機(jī)名A*件玷內(nèi)機(jī)器人主要有2大模塊，一個(gè)是基于 DSP的語音識(shí)別模塊；另一個(gè)是基于 ARM勺控 制模塊，其機(jī)械足為兩滑輪。由語音識(shí)別模塊識(shí)別語音，由控制模塊控制機(jī)器人動(dòng)作。4. 2語

12、音控制首先根據(jù)需要，設(shè)置了如下幾個(gè)簡單命令：前、后、左、右。機(jī)器人各狀態(tài)之間的轉(zhuǎn)移關(guān)系如圖5所示。其中，等待狀態(tài)為默認(rèn)狀態(tài)，當(dāng)每次執(zhí)行前后或左右轉(zhuǎn)命令后停止，即回到等待狀態(tài)，此時(shí)為靜止?fàn)顟B(tài)。語音的訓(xùn)練模板庫由 4個(gè)命令加10個(gè)阿拉伯?dāng)?shù)字共14個(gè)組成，如下所示。命令：“前”、“后”、“左”、“右”；數(shù)字：“09”。命令代表動(dòng)作的方向， 數(shù)字代表動(dòng)作的幅度。當(dāng)執(zhí)行前后命令時(shí)，數(shù)字的單位為dm 執(zhí)行左右轉(zhuǎn)彎命令時(shí)，數(shù)字的單位為角度單位的20°。每句命令句法為命令 +數(shù)字。例如，語音“左2”表示的含義為向左轉(zhuǎn)彎 40。，“前4”表示向前直行4 dm。機(jī)器人語音控制的關(guān)鍵在于語音識(shí)別的準(zhǔn)確率。表1給出了 5個(gè)男聲樣本的識(shí)別統(tǒng)計(jì)結(jié)果。一方向費(fèi)字常疊牛牛100300100識(shí)鼾率/%97