基于FPGA的語音識別系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、近年來，語音識別技術(shù)不斷發(fā)展并得到廣泛應(yīng)用，具有語音識別功能的設(shè)備正在走進千家萬戶，成為方便人們工作和生活的得力助力。語音信號處理技術(shù)的不斷成熟和集成電路設(shè)計方法的更新，讓語音識別技術(shù)有了一個全新的開發(fā)平臺，語音識別芯片和基于FPGA的語音識別技術(shù)應(yīng)運而生。
　　本文闡述了人類的聽覺系統(tǒng)和語音信號的產(chǎn)生模型，運用數(shù)字信號處理的相關(guān)理論，講述了語音信號的預(yù)濾波、預(yù)加重、端點檢測、分幀加窗，并在時域和頻域上，分析了語音信號，并將時域的

2、語音信號轉(zhuǎn)換到頻域上，提取出語音信號的特征參數(shù)。本文講述了LPC線性預(yù)測特征參數(shù)提取算法、基于 MEL頻率的MFCC特征參數(shù)提取算法和基于上升過零率的ZCPA特征參數(shù)提取算法。用語音信號的特征參數(shù)訓(xùn)練出語音信號的系統(tǒng)模型，將語音樣本和語音信號的模型相匹配，得到語音識別結(jié)果。常見的模型匹配算法有基于動態(tài)規(guī)劃的DTW算法，基于統(tǒng)計的隱馬爾可夫模型等等，本文使用MFCC特征參數(shù)提取方式和連續(xù)混合的隱馬爾可夫模型。對語音識別的算法進行了簡化和優(yōu)

3、化，分析比較了泰勒展開、半連續(xù)隱馬爾可夫模型和取指數(shù)最大值三種方法來簡化語音識別算法，并在MATLAB上模擬了算法在每一種簡化方法后的實際效果，結(jié)果表明取指數(shù)最大值的方法對系統(tǒng)識別率的影響最小，因此，本文采用了取指數(shù)最大值的方法來簡化系統(tǒng)。同時，本文模擬并簡化了協(xié)方差矩陣的計算，使得在不影響系統(tǒng)性能的情況下，減少了系統(tǒng)運算量。使用FPGA為載體，用IP核構(gòu)成SOPC語音識別系統(tǒng)。SOPC系統(tǒng)運用模塊化的硬件系統(tǒng)設(shè)計方式，除硬件加速模塊及