嵌入式语音识别：非特定人孤立词识别与DTW算法

"这篇硕士学位论文来自北京工业大学，作者赵淳，导师黄樟钦和龚卫中，主题聚焦于嵌入式非特定人孤立词语音识别系统的设计与实现，与‘十五’‘211工程’重点学科建设项目和北京市教委基金相关。论文探讨了在FPGA平台上构建语音识别系统的策略，特别关注低成本、小词汇量的语音控制系统在玩具和学习类电子产品中的应用。" 在语音识别领域，非特定人孤市词语音识别是一项重要的技术。这一过程涉及多个步骤，首先介绍的是聚类中心的确定方法。聚类中心是类别内的代表，通过寻找距离它最近的元素个数最多的样本作为伪中心。这个过程中，利用均值和方差来衡量样本的集中趋势和离散程度，公式(2-16)分别给出了均值和方差的计算方式。设定一个门限（如公式(2-17)所示），用于判断样本间的距离是否足够接近。如果存在多个样本拥有相等数量的近邻，那么会取它们子类中的平均距离作为标准。 接下来，论文提到了动态时间弯折(DTW)算法，这是进行时间归正处理的关键技术。DTW允许两个序列在时间轴上进行非线性对齐，以克服语音信号的长度差异，确保即使在不同时间录制的同一词汇也能正确匹配。DTW利用动态规划策略，将全局优化问题分解为一系列局部优化问题，逐步找到最佳匹配路径。 在语音模板匹配环节，直接比较输入模板和参考模板并不理想，因为语音信号的随机性和时变特性。因此，DTW被用来对类内的各个模式进行平均处理，得到更准确的聚类中心。具体操作是将伪中心与类内其他模式进行DTW匹配，取所有最优路径对应到伪中心的平均值作为最终聚类中心。 论文进一步强调了FPGA（Field-Programmable Gate Array）在嵌入式语音识别系统中的优势，相比于传统的MCU（Microcontroller Unit）和DSP（Digital Signal Processor），FPGA提供了更高的性价比和实时处理能力。研究者探讨了FPGA平台上的系统结构设计、优化的嵌入式语音算法、软硬件划分以及辅助软件的易用性，以实现面向非特定人的语音识别SoPC（System on a Programmable Chip）系统。 这篇论文深入研究了非特定人孤立词语音识别系统在FPGA上的实现，不仅具有理论价值，也为实际应用，尤其是低成本嵌入式系统中的语音控制，奠定了理论和实践基础。关键词包括语音识别、动态时间规整、嵌入式系统以及非特定人识别。