基于ARM的說話人識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、近年來，隨著智能設(shè)備發(fā)展的如火如荼，也帶動(dòng)了人機(jī)交互這一核心組成部分的進(jìn)步。人機(jī)交互從之前的手勢(shì)、手指操作也逐漸向語音這一人類最為自然、便捷、高效的交流方式上轉(zhuǎn)變。語音作為人機(jī)交互的方式包括兩方面內(nèi)容，第一是讓機(jī)器發(fā)出聲音，這是語音合成的研究范疇，第二是讓機(jī)器理解人說的話，這里面又包括能聽懂人類發(fā)音的語義信息，稱之為語音識(shí)別；或者能讓機(jī)器辨別出是誰在說話，稱為說話人識(shí)別，這也是本文的研究目標(biāo)和重點(diǎn)之一。目前語音合成和語音識(shí)別已經(jīng)較為普遍

2、地應(yīng)用到智能和其他一些設(shè)備上，但是能讓機(jī)器區(qū)分出是誰在說話的說話人識(shí)別技術(shù)雖然在實(shí)驗(yàn)室條件下的研究較為成熟，但是其在日常應(yīng)用中較少出現(xiàn)，不過其廣闊的應(yīng)用前景使嵌入式相關(guān)的說話人識(shí)別逐漸成為當(dāng)下的研究熱點(diǎn)。
　　ARM作為目前最為常用的嵌入式處理器，具有低功耗、低成本、高性能的優(yōu)點(diǎn)。并且其外設(shè)端口豐富，有利于開發(fā)多功能系統(tǒng)。本課題的主要任務(wù)是利用現(xiàn)有的資源，選擇合適的說話人識(shí)別算法，最終實(shí)現(xiàn)具有較好實(shí)時(shí)性與準(zhǔn)確性的說話人識(shí)別系統(tǒng)。<

3、br>　　本文提出了基于ARM的說話人識(shí)別系統(tǒng)的研究和設(shè)計(jì)，主要工作包括理論知識(shí)研究、確定系統(tǒng)方案、編寫系統(tǒng)軟件和整體設(shè)計(jì)實(shí)現(xiàn)四個(gè)部分。本文首先對(duì)相關(guān)數(shù)字信號(hào)處理方面的知識(shí)做了介紹，接著對(duì)準(zhǔn)確率和實(shí)時(shí)性的問題進(jìn)行了考量，在理論算法部分選擇了MFCC，GMM，UBM等算法，最后通過C++語言實(shí)現(xiàn)對(duì)說話識(shí)別處理中的預(yù)處理、Mel頻率倒譜系數(shù)特征提取、GMM模型的訓(xùn)練以及對(duì)說話人辨認(rèn)和確認(rèn)的識(shí)別。本文硬件系統(tǒng)電路包括三星S3C6410處理器以

4、及FLASH存儲(chǔ)器、SDRAM、UDA1341TS音頻處理芯片、LED顯示等結(jié)構(gòu)。在分析了Linux操作系統(tǒng)驅(qū)動(dòng)程序的工作原理的基礎(chǔ)上，研究了嵌入式Linux下驅(qū)動(dòng)程序的開發(fā)過程，建立了交叉編譯環(huán)境，完整的開發(fā)出UDA1341TS音頻編解碼芯片在本系統(tǒng)中的驅(qū)動(dòng)程序，以及 GPIO口的相關(guān)驅(qū)動(dòng)，將說話人識(shí)別程序和驅(qū)動(dòng)程序經(jīng)過交叉編譯產(chǎn)生的可執(zhí)行程序下載到實(shí)驗(yàn)板上測(cè)試運(yùn)行。經(jīng)測(cè)試表明該系統(tǒng)能實(shí)時(shí)的采集語音信號(hào)，完成對(duì)說話人的判斷，同時(shí)系統(tǒng)具