基于ATK的實(shí)時(shí)語(yǔ)音識(shí)別系統(tǒng)在家庭監(jiān)護(hù)機(jī)器人中的應(yīng)用實(shí)現(xiàn)

1．2 軟件設(shè)計(jì)

HTK(Hidden Markov Model Toolkit)是一套專門(mén)的建立和處理隱馬可夫模型(HMMs)的實(shí)驗(yàn)工具包，由英國(guó)劍橋大學(xué)工程系(Cambridge University Engineering Department，CUED)開(kāi)發(fā)的，主要應(yīng)用于語(yǔ)音識(shí)別領(lǐng)域，也可以應(yīng)用于語(yǔ)音合成、字符識(shí)別和DNA排序等研究領(lǐng)域。HTK經(jīng)過(guò)劍橋大學(xué)、Entropic公司及Microsoft公司的不斷增強(qiáng)和改進(jìn)，使其在語(yǔ)音識(shí)別領(lǐng)域處于世界領(lǐng)先水平。

基于HTK的語(yǔ)言識(shí)別時(shí)，識(shí)別結(jié)果適用只能顯示在DOS或終端上，而且不利于將結(jié)果保存、移植或者二次開(kāi)發(fā)利用。在本語(yǔ)音識(shí)別系統(tǒng)中使用了HTK接口工具ATK(AnApplication Toolkit for HTK)。ATK是由英國(guó)劍橋大學(xué)開(kāi)發(fā)的開(kāi)源語(yǔ)音識(shí)別工具，是對(duì)HTK的C++多線程封裝，跟HTK一樣，它支持Linux和Windows，它包括HTK(HTKLib)、AHTK、AGram、ANGram、ADict、AHMMs、AResource、ARMan、ARec、ACode、ASour ce、ATee、AComponent、ABuffer、APacket、Asyn、FLite(SYNLib)、ALog模塊部件。

基于ATK的語(yǔ)音識(shí)別軟件應(yīng)用系統(tǒng)的由語(yǔ)音信號(hào)采集模塊、基于DMA的雙向高速RAM存取模塊、ATK語(yǔ)音識(shí)別模塊、系統(tǒng)管理模塊、語(yǔ)音輸出模塊等模塊組成，如圖4所示。

在軟件設(shè)計(jì)中，系統(tǒng)管理模塊主要負(fù)責(zé)系統(tǒng)的總體管理調(diào)度，是應(yīng)用系統(tǒng)的調(diào)度中心；語(yǔ)音信號(hào)采集模塊主要負(fù)責(zé)控制數(shù)據(jù)采集芯片TPS 65930；基于DMA的雙向RAM存取模塊主要負(fù)責(zé)實(shí)現(xiàn)DMA驅(qū)動(dòng)及雙向RAM的讀寫(xiě)存取，使用了通道1來(lái)實(shí)現(xiàn)高速地把語(yǔ)音信號(hào)采集到的數(shù)據(jù)存儲(chǔ)到RAM上，并使用通道2實(shí)現(xiàn)高速地把RAM的數(shù)據(jù)取出來(lái)，用于語(yǔ)音的識(shí)別；語(yǔ)音輸出模塊主要負(fù)責(zé)把相應(yīng)的音頻數(shù)據(jù)送到TPS65930，并控制TPS6 5930對(duì)接收到的音頻解碼輸出到功放電路，實(shí)現(xiàn)語(yǔ)音輸出的功能。軟件的設(shè)計(jì)流程圖如圖5所示。

2 語(yǔ)音識(shí)別系統(tǒng)實(shí)驗(yàn)及結(jié)果

文中設(shè)計(jì)的語(yǔ)音識(shí)別系統(tǒng)如圖6所示。在實(shí)驗(yàn)中總共進(jìn)行了3輪話語(yǔ)測(cè)試，每輪300句話語(yǔ)測(cè)試，其中150句為家庭監(jiān)護(hù)機(jī)器人需要識(shí)別的話語(yǔ)，150句話語(yǔ)為機(jī)器人不予置理的無(wú)關(guān)話語(yǔ)。本系統(tǒng)只設(shè)置10個(gè)需要識(shí)別的話語(yǔ)，由15名學(xué)生分別讀音進(jìn)行測(cè)試。同時(shí)對(duì)無(wú)關(guān)話語(yǔ)也是由該15名學(xué)生，每人10句分別隨機(jī)讀音測(cè)試。從顯示結(jié)果可以看出，第1輪中，先測(cè)試的150句無(wú)關(guān)話語(yǔ)中，能正確識(shí)別出無(wú)關(guān)話語(yǔ)數(shù)為150句，識(shí)別出無(wú)關(guān)話語(yǔ)率為100％，但對(duì)需識(shí)別的話語(yǔ)中，正確識(shí)別出148句，2句識(shí)別出錯(cuò)，識(shí)別率為98．67％；在第2輪中，同樣先測(cè)試的150句無(wú)關(guān)話語(yǔ)中，能正確識(shí)別出無(wú)關(guān)話語(yǔ)數(shù)為150句，識(shí)別出為無(wú)關(guān)話語(yǔ)率為100％，但對(duì)需識(shí)別的話語(yǔ)中，正確識(shí)別出142句，8句識(shí)別出錯(cuò)，識(shí)別率為94．67％；在第3輪中，同樣先測(cè)試的150句無(wú)關(guān)話語(yǔ)中，能正確識(shí)別出無(wú)關(guān)話語(yǔ)數(shù)為150句，識(shí)別出無(wú)關(guān)話語(yǔ)率為100％，但對(duì)需識(shí)別的話語(yǔ)中，正確識(shí)別出146句，識(shí)別率為97．33％。在3輪測(cè)試中，系統(tǒng)都能實(shí)時(shí)響應(yīng)所有語(yǔ)句，未出現(xiàn)漏句現(xiàn)象。并且在實(shí)驗(yàn)測(cè)試的過(guò)程中，系統(tǒng)的響應(yīng)速度都非?？?，感觀上沒(méi)有時(shí)間延遲，與真人交流速度相當(dāng)。

從實(shí)驗(yàn)測(cè)試結(jié)果可看出，對(duì)于識(shí)別10個(gè)需要識(shí)別的話語(yǔ)的識(shí)別率高達(dá)94．67％以上，具有較高的識(shí)別率，因而該語(yǔ)音識(shí)別系統(tǒng)較好達(dá)到了家庭監(jiān)護(hù)機(jī)器人使用的要求。

3 結(jié)論

文中通過(guò)DSP、DMA和ARM Cortex-A8的并行處理，利用雙緩沖的方法，在嵌入式Linux上實(shí)現(xiàn)了基于ATK的實(shí)時(shí)語(yǔ)音識(shí)別系統(tǒng)。該系統(tǒng)可以實(shí)時(shí)地實(shí)現(xiàn)語(yǔ)音識(shí)別，具有較高識(shí)別率，較快的響應(yīng)速度。可以應(yīng)用在家庭監(jiān)護(hù)機(jī)器人及其相關(guān)領(lǐng)域中。