基于Julius的機器人語音識別系統(tǒng)構建
加入技術交流群
2 系統(tǒng)框架
2．1 硬件結構
在語音識別的機器狗控制系統(tǒng)中Atom Z510為訓練學習機大腦(1．1 GHz主頻的Intel Atom Z510嵌入式控制平臺)，它主要完成語音識別的功能。PXA270控制器(Intel公司于2003年底推出的性能強勁的PXA27x系列嵌入式處理器，基于ARMv5E的XScale內(nèi)核，最高頻率可達624MHz)作為機器狗本體上的核心智能控制器，接收Atom Z510識別后的結果，發(fā)出控制命令。ATmega128控制器(Atmel公司的8位系列單片機中的一種，運行頻率16 MHz)完成基于串行總線的數(shù)字舵機控制，完成對機器狗的前后腿以及尾巴等關節(jié)控制。機器狗硬件結構平臺如圖2所示。本文引用地址：http://www.ex-cimer.com/article/161552.htm
2．2 軟件結構
整個機器人系統(tǒng)包括3個模塊：Julius語音識別模塊、GUI人機界面、機器人控制模塊。Julius將識別的語音命令提交給GUI模塊，并在GUI上顯示；同時GUI將語音命令轉化為動作控制命令并發(fā)給機器人控制模塊；GUI還可以控制Julius的啟動和停止。其中機器人控制模塊主要在PXA270上，而語音識別和GUI是在Atom Z510上。系統(tǒng)軟件模型如圖3所示。
3 語音識別系統(tǒng)構建
一個完整的語音識別系統(tǒng)一般包括3部分：聲學模型、語言模型和識別器。在本系統(tǒng)中只建立基于控制命令(動詞)的識別語法，其他詞忽略，因此沒有構建語言模型；識別器采用Julius開源平臺，此部分只用配置參數(shù)和相關文件。本文主要工作是聲學模型訓練和語音識別系統(tǒng)構建。
3．1 聲學模型訓練
聲學模型是識別系統(tǒng)的底層模型，是語音識別系統(tǒng)中最關鍵的一部分，它是每個聲學單元的聲學模型參數(shù)集合。本系統(tǒng)的聲學模型是使用HTK對采集的語音庫進行多次迭代訓練后提取的，基于詞的聲學特征向量集。HTK(HMM Tools Kit)是由英國劍橋大學工程系的語音視覺和機器人技術工作組(Speech Vision and Robotics Group)開發(fā)，專門用于建立和處理HMM的實驗工具包，主要應用于語音識別領域，也可用于語音模型的測試和分析。其具體訓練步驟如下：
(1)數(shù)據(jù)準備
收集漢語標準普通話的語料庫，并將語料庫中的語音標記，創(chuàng)建語音識別單元元素列表文件。
(2)特征提取
本系統(tǒng)采用MFCC進行語音的特征參數(shù)提取，訓練中將每一個語音文件用工具HCopy轉換成MFCC格式。
(3)HMM定義
在訓練HMM模型時要給出模型的初始框架，本系統(tǒng)中的HMM模型選擇同一個結構，如圖4所示。該模型包含4個活動狀態(tài){S2，S3，S4，S5)，開始和結束(這里是S1．S6)，是非發(fā)散狀態(tài)。觀察函數(shù)bi是帶對角矩陣的高斯分布，狀態(tài)的可能轉換由aij表示。
評論