基于ARM的說話人識別系統(tǒng)的研究與實現(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、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，稱之為語音識別；或者能讓機(jī)器辨別出是誰在說話，稱為說話人識別，這也是本文的研究目標(biāo)和重點之一。目前語音合成和語音識別已經(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別技術(shù)雖然在實驗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)的說話人識別逐漸成為當(dāng)下的研究熱點。
　　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。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別算法，最終實現(xiàn)具有較好實時性與準(zhǔn)確性的說話人識別系統(tǒng)。<

3、br>　　本文提出了基于ARM的說話人識別系統(tǒng)的研究和設(shè)計，主要工作包括理論知識研究、確定系統(tǒng)方案、編寫系統(tǒng)軟件和整體設(shè)計實現(xiàn)四個部分。本文首先對相關(guān)數(shù)字信號處理方面的知識做了介紹，接著對準(zhǔn)確率和實時性的問題進(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++語言實現(xiàn)對說話識別處理中的預(yù)處理、Mel頻率倒譜系數(shù)特征提取、GMM模型的訓(xùn)練以及對說話人辨認(rèn)和確認(rèn)的識別。本文硬件系統(tǒng)電路包括三星S3C6410處理器以

4、及FLASH存儲器、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)動程序的工作原理的基礎(chǔ)上，研究了嵌入式Linux下驅(qū)動程序的開發(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)動程序，以及 GPIO口的相關(guān)驅(qū)動，將說話人識別程序和驅(qū)動程序經(jīng)過交叉編譯產(chǎn)生的可執(zhí)行程序下載到實驗板上測試運行。經(jīng)測試表明該系統(tǒng)能實時的采集語音信號，完成對說話人的判斷，同時系統(tǒng)具