|
隨著語音識別和語音合成技術的不斷更新與發(fā)展，將語音識別技術應用于嵌入式產品中已得到廣泛應用。SVM(支持向量機)作為統(tǒng)汁概率模型已經(jīng)被證明是一種很好的識別模型。OMAP5912處理器是由TI公司的TMS320C55X型DSP內核與低功耗、增強型ARM926EJ-S微處理器組成的雙核應用處理器。ARM核可滿足控制和接口方面的需要，DSP核以其低功耗高性能來實現(xiàn)多媒體應用。目前存 0MAP平臺上實現(xiàn)的多媒體應用有語音、音頻、圖像、視頻等。在實驗室開發(fā)的基于0MAP5912嵌入式語音識別系統(tǒng)上進行基于SVM的語音識別程序開發(fā)。 1 SVM多類分類方法 SVM最初是為處理兩類分類問題而設計的，如何有效地處理多類分類問題目前仍是一個持續(xù)研究的課題。采用SVM中的“一對一”方法實現(xiàn)多類分類，下面對這種方法進行簡單介紹。 S.Knerr等在1990年首次介紹了“一對一”方法。J.Friedman在1996年和U KreBel在1999年分別首次在支持向量機中使用這種方法。它需要構造k(k-1)/2個分類器，每個分類器由特定的某兩類訓練樣本訓練得到，判定測試樣本的類別時，結合所有兩類分類器對測試樣本類別的判定意見，采用“投票法”的策略，并認為得票數(shù)最多(Max Wins)的類別就是測試樣本所屬的類別。具體如下：考慮K類的分類問題，設訓練集 首先對所有的(i，j)∈{(i，j)|i≤j，i，j=1，…，K}進行運算：從訓練集 中抽取所有y=i和y=j的樣本點�；谶@些樣本點組成一個訓練集Ti-j，每個兩類分類SVM解決問題 約束條件為： 通過求解式(3)的最優(yōu)化問題得到k(k-1)/2個決策函數(shù)，如果函數(shù) 判斷x屬于i類，則i類的得票數(shù)增加1;否則j類的得票數(shù)增加1。最終判定得票數(shù)最多的類別就是測試樣本x所屬的類別。 “一對一”方法的特點是訓練時需要構造k(k-1)/2個分類器，預測時則采用投票選擇策略。這樣做的優(yōu)點是：每一個分類問題的規(guī)模較小，需要求的問題較簡單，樣本數(shù)量不很大時訓練速度較快，而且由于類別有較少的重合，改善了樣本拒分、錯分的范同;缺點是：投票法可能存在得票相同的類，即可能存在一個樣本同時屬于多個類的情況。這可以使用其他方法解決，這里重點研究SVM算法在0MAP上的實現(xiàn)。 2 嵌入式系統(tǒng)開發(fā)環(huán)境的搭建 0MAP5912處理器是由TI公司的TMS320C55x型DSP內核 (192 MHz)與低功耗、增強型ARM926EJ-S微處理器(192 MHz)組成的雙核應用處理器，采用0.13μm CMOS工藝制造。TMS320C55x型DSP可提供對低功耗應用的實時多媒體處理的支持;ARM926EJ-S MPU可滿足控制和接口方面的處理需要�；陔p核結構的0MAP5912具有極強的運算能力和極低的功耗，采用開放式、易于開發(fā)的軟件設施，支持廣泛的操作系統(tǒng)。嵌入式系統(tǒng)開發(fā)在解決了硬件平臺的設計和操作系統(tǒng)的搭建后就需要考慮應用程序如何編譯、主機如何與開發(fā)板通信、程序如何調試、程序如何下載到開發(fā)板這幾個方面的問題。 2.1 通信環(huán)境 采用minicom通信終端程序，通過minicom可以設置、監(jiān)視串口工作狀態(tài)，接收、顯示串口收到的信息、并且在宿主機和開發(fā)板之間傳遞數(shù)據(jù)和控制指令，從而實現(xiàn)通過宿主機上調試開發(fā)板的目的。 設置minicom參數(shù)值如下：“Serial Device”為/dev/ttyrSO(使用串口1);主機串口波特率為：115 200;數(shù)據(jù)位為：8位;停止位為：1位;奇偶校驗位為：無;數(shù)據(jù)流控制為：無。完成后保存設置重啟Minicom。 2.2 程序下載環(huán)境 在程序開發(fā)期間，經(jīng)常需要把程序下載到開發(fā)板上進行測試，采用通用開發(fā)模式：將宿主機和開發(fā)板通過以太網(wǎng)連接，在宿主機上運行minicom作為開發(fā)板的顯示終端，通過NFS(Network File System，網(wǎng)絡文件系統(tǒng))來掛載宿主機硬盤，讓應用程序直接運行在開發(fā)板上。 2.3 交叉編譯環(huán)境的建立 宿主機系統(tǒng)為Ubuntu version 2.6.27，將交叉編譯工具arm-linux-gcc-3.4.1解壓縮到/usr/local/arm目錄下，然后在終端執(zhí)行命令：#gedit/root/.bashrc，修改/root/.bashrc文件，在文件中加入export PATH=“$PATH：/sbin：/usr/local/arm/3.4.1/bin：/usr/local/bin：/usr/local”，最后在終端執(zhí)行命令#source.bashrc.至此，交叉編譯環(huán)境搭建完成。資源文件和庫文件都 安裝在/usr/local/arm/3.4.1/arm-linux目錄下。交叉編譯過程如圖l所示。 2.4 安裝NFS《Network File System) 在開發(fā)階段采用NFS比較方便，這樣開發(fā)板的根文件系統(tǒng)可以放在宿主機上，然后通過NFS來掛載和運行。內核同樣也可放在宿主機上，然后由引導器使用 TFTP(Trivial FileTransferProtocol)協(xié)議通過以太網(wǎng)來獲取。開發(fā)板同時具有以太網(wǎng)口和串口，且以太網(wǎng)連接的傳輸速度遠比串口連接要快，因此，用以太網(wǎng)接口下載內核和根文件系統(tǒng)，而串口作為調試和控制臺來使用。 2.4.1安裝NFS Ubuntu上默認是沒有NFS服務的，首先要安裝NFS服務程序，#sudo apt-get install nfs-kernel-server，使宿主機相當于NFS服務器。同樣地，開發(fā)板作為NFS的客戶端，需要安裝NFS客戶端程序：#sudo apt-get install nfs-commmon。 2.4.2 配置portmap服務 nfs-common和nfs-kernel-setver都依賴于portmap，所以需要配置portmap。#sudo dpkg-reconfigure portmap，對Shouldportmap be bound to the loopback address?選N。 在/etc/hosts.deny和/etc/hosts.allow兩文件中設置對portmap的訪問：首先在/etc/hosts.deny中，禁止所有用戶對portmap的訪問，然后在/etc/hosts.allow中，允許特定用戶對portmap進行訪問。文件修改完后執(zhí)行#sudo/etc/init.d/pottmap restart，重啟portmap daemon使改動后的內容生效。 2.4.3 配置/etc/exports NFS掛載目錄及權限由/etc/expotts文件定義。在該文件最后添加語句： /data/rootfs2.6 192.168.0.*(rw，sync，no_root_squash) 使192.168.O.*網(wǎng)段內的NFS客戶端能夠共享NFS服務器/data/rootfs2.6目錄內容，不僅有瀆寫權限，而且進入/data/rootfs-2.6目錄后的身份為root。更新配置，重啟NFS服務。 #sudo exportfs-r #sudo/etc/init.d/nfs-kernel-server restait 2.4.4 拷貝根文件系統(tǒng) 拷貝根文件系統(tǒng)到/data/rootfs2.6目錄下，這時就可以啟動minicom，作為虛擬終端，可以通過它來操作開發(fā)板。 2.5 修改開發(fā)板啟動項 bootargs參數(shù)設置Linux系統(tǒng)啟動時掛載在NOR Flash上的JFFS2根文件系統(tǒng)。掛載宿主機上的網(wǎng)絡文件系統(tǒng)，則bootargs參數(shù)應設置 setenv bootargs=console=ttyS0，115200n8 noinitrd rw ip=192.168.0.158 root=/dev/nfs nfsroot=192.168.0.204：/data/rootfs2.6.nolock mem=62M #sayenv保存設置后重啟u-boot，之后將順利進入到開發(fā)板，調試應用程序。 3 實驗及結果分析 基于VC++6.0編程實現(xiàn)一種多類分類SVMs算法，PC機環(huán)境為Ubuntu version 2.6.27，開發(fā)板為Omap5912的ARM926ej-s，其環(huán)境為Lin-ux version 2.6.18;Boot Loader采用u-boot version 1.1.6;交叉編譯工具鏈arm-linux-gcc version3.4.1。 采用16個人分別對50個詞的孤立詞發(fā)音，在不同信噪比下(15、20、25、30 dB和無噪音)得到的語音數(shù)據(jù)作為樣本，采用由MFCC特征提取算法得到的特征參數(shù)作為識別網(wǎng)絡的輸入。語音信號采樣率為11.025 kHz，幀長N=256點，幀移M=128點。詞匯量分別為10、20、30、40和50個詞。訓練樣本由9人每人對每詞在15、20、25、30 dB、無噪音下發(fā)音3次得到.測試樣本由另外7人在相應SNR下對每詞發(fā)音3次得到。識別算法采用RBF核函數(shù)的SVM算法，采用交叉驗證和網(wǎng)格搜索法進行核參數(shù)選擇并建立模型，對測試樣本進行分類識別。核函數(shù)參數(shù)取最優(yōu)為(c，y)=(32.0，O.000 122 070 312 5)。實驗結果見表l所示，識別率均在95%以上。表1中同時列出同樣條件下使用HMM識別網(wǎng)絡的識別結果。 HMM模型是典型的語音識別模型，它是目前語音識別效果最好的少數(shù)幾種方法之一。在相同特征參數(shù)下將SVM與HMM模型進行對比，從實驗結果看出：1)SVM比HMM模型具有更高的識別率;2)比較相同信噪比和詞匯量下的測試精度，可發(fā)現(xiàn)HMM模型的測試精度有明顯下降，而SVM的測試結果下降較少，說明SVM比HMM模型具有更強推廣性。 4 結束語 提出一種基于SVM的0MAP5912非特定人嵌入式語音識別系統(tǒng)的實現(xiàn)方法。在搭建的開發(fā)環(huán)境下運用SVM算法巾的“一對一”方法進行語音識別，獲得良好結果。通過實驗可以得出，對中小詞匯量采用MFCC特征參數(shù)，“一對一”SVM作為后端識別方法可以得到較好的識別結果，比傳統(tǒng)的HMM模型有明顯優(yōu)勢。同時SVM算法作為應用程序集成到0MAP5912嵌入式系統(tǒng)里，存儲量需求小，能夠滿足實用要求。 |
