語音識別技術是人機最自然、最簡潔的交流方式，它就是讓機器能夠自動識別并理解說話人要表達的意思，將語音信號轉變?yōu)檎_的文本或者命令的高科技技術。根據(jù)實際的應用，語音識別可以分為：特定人與非特定人的識別、孤立詞與連續(xù)詞的識別、中小詞匯量與無限詞匯量的識別。考慮到成本及使用范圍因素，本文中應用的是基于TMS320VC5509 DSP的非特定人、孤立詞、小詞匯量的語音識別系統(tǒng)。通過實際測試，使用該DSP的語音識別系統(tǒng)有著較高的實時性、識別率，基于該系統(tǒng)的計算器對實時數(shù)字計算有較高準確性，基本能解決特殊群體和特殊地點使用計算器困難的情況。

　　語音識別過程主要包括語音信號前處理、特征提取、模式匹配等部分。語音信號輸入之后，預處理和數(shù)字化是進行語音識別的前提條件。特征提取是進行語音信號訓練和識別必不可少的步驟，采用的是提取每幀的Mel系數(shù)的倒譜參數(shù)作為語音信號的特征值。模板匹配算法目前有 DTW 算法、HMM隱馬爾科夫模型、ANN人工神經(jīng)網(wǎng)絡等。本文采用HMM隱馬爾科夫模型的方法，提取出的特征值存入?yún)⒖寄Ｊ綆熘校脕砥ヅ浯R別語音信號的特征值。匹配計算是進行語音識別的核心部分，由待識別人的語音經(jīng)過特征提取后，與系統(tǒng)訓練時產(chǎn)生的模板進行匹配，在說話人辨認中，取與待識別語音相似度最大的模型所對應的語音作為識別結果。

　　系統(tǒng)硬件結構

　　圖 2為系統(tǒng)硬件結構框圖。此系統(tǒng)的核心器件是TI公司的TMS320VC5509定點DSP。在本系統(tǒng)中，它不僅是語音識別的核心，還負責計算器的運算部分。TMS320VC5509是系統(tǒng)的運算處理單元，具有2個乘法器（MAC），4個累加器（ACC）；40位、16位的算術邏輯單元（ALU）各一個，這大大增強了DSP的運算能力；指令字長不只單一的16位，可擴展到最高48位，數(shù)據(jù)字長16位；可通過USB接口對TMS320VC5509燒寫程序而不必借助仿真器。正是基于這些優(yōu)點，選擇該器件可節(jié)省開發(fā)資金，減小電路板面積。DSP與TLV320AIC23的接口電路如圖3所示。

　　TLV320AIC23采集語音信號電路模塊

　　TLV320AIC23是Tl公司的一款低成本、低功耗的音頻編解碼器（CODEC），在本系統(tǒng)中負責采集語音信號。它與本系統(tǒng)相關的性能參數(shù)有：支持8～96 kHz可調(diào)采樣率；可調(diào)1～5dB的完整緩存放大系統(tǒng)等。圖4是TLV320AIC23的電路圖。

　　AM29LV800B存儲器又稱閃存（Flash），它具有在線電擦寫、低功耗、大容量等特點，其存儲容量為8Mbit。上電后，DSP從外部Flash加載并執(zhí)行程序代碼，使系統(tǒng)能夠脫機運行。在本系統(tǒng)中，它主要用來存儲程序代碼、語音模型、以及壓縮后的語音數(shù)據(jù)。

　　HY57V641620 同步動態(tài)存儲器（SDRAM），容量為4 M×16 bit。作為RAM的擴展，它大大增強了DSP的存儲與運算能力。在系統(tǒng)初始化的時候，用來裝載放在Flash中的聲學模型。這樣在語音識別的過程中可以通過片外的SDRAM來訪問聲學模型，比直接訪問Flash來獲取聲學模型數(shù)據(jù)要快。LCD顯示器用來實時顯示經(jīng)過語音識別后的數(shù)字、運算符號，并在得到需要顯示最終結果的提示后顯示答案。