基于HMM的语音识别技术在嵌入式系统中的应用

因为该系统的状态不为外界所见，因此称之为“稳含马尔科夫模型”，简称HMM。

在识别中使用的随机观察矢量就是从信号中提取的特征矢量。按照随机矢量Qn的概率分布形时，其概率密度函数一般使用混合高斯分布拟合。

其中，M为使用的混合高斯分布的阶数，Cm为各阶高期分布的加权系数。此时的HMM模型为连续HMM模型（Continuous density HMM），简称CHMM模型。在本识别系统中，采用整词模型，每个词条7个状态同，包括首尾各一个静音状态；每个状态使用7阶混合高斯分布拟合。CHMM识别流程如图1所示。

由于CHMM模型的复杂性，也可以假定On的分布是离散的。通常采用分裂式K-Mean算法得到码本，然后对提取的特征矢量根据码本做一次矢量量化VQ（Vector Quantization）。这样特征矢量的概率分布上就简化为一个离散的概率分布矩阵，此时的HMM模型称为离散HMM模型（Discrete density HMM），简称DHMM模型。本DHMM识别系统使用的码本大小为128。DHMM识别流程如图2所示。

DHMM虽然增加了矢量量化这一步骤，但是由于简化了模型的复杂度，从而减少了占用计算量最大的匹配计算。当然，这是以牺牲一定的识别性能为代价。

笔者先后自己的硬件平台上完成了基于DHMM和CHMM的识别系统。通过比较发现，对于嵌入式平台而言，实现CHMM识别系统的关键在于芯片有足够运算太多的增加。因为词条模型存储在ROM中，在匹配计算时是按条读取的。

3.3 识别性能

笔者使用自己的识别算法分别对11词的汉语数码和一个59词的命令词集作了实际识别测试，识别率非常令人满意，如表1所示。

表1 汉语数码识别率

　 DHMM CHMM 特征矢量维数 24 27 识别率 93.40% 98.28% 识别速度（11词） 10ms 50ms 模型大小（1个词条） 1.5KB <5.5KB 码本 6KB 无

对于59词命令词集的识别，还增加了静音模型。由于基线的识别率已经很高，所以静音模型的加入对于识别率的进一步提高作用不大，如表2所示。但静音模型的加入可以降低对端点判断的依赖。这在实际使用中对系统的稳健性有很大的提高。

表2 59词命令词集识别率

　 浮  点 定  点 无静音模型 98.59% 98.28% 有静音模型 98.83% 98.55%

可以看到，在硬件能够支持的情况下，CHMM的识别率比DHMM有很大的提高，同时识别速度也完全可以满足使用要求。

目前嵌入式语音识别领域使用HMM模型的还比较少，使用通常限于DHMM。由于集成电路制造技术的发展，目前主流DSP都可以提供100MIPS以上的运算速度，完全可以满足CHMM对计算能力的要求。

笔者在使用SoC芯片的硬件平台上实现了DHMM和CHMM算法。其中定点CHMM语音识别算法在16位定点DSP硬件平台上达到很高的识别率，同时系统资源消耗也比较合理，安全可以替代DHMM算法。非常适合50词以内的命令词识别。以上算法已经在芯片上实现，该方案在家电语音遥控、玩具、PDA、智能仪器以及移动电话等领域内有非常好的应用前景。

《基于HMM的语音识别技术在嵌入式系统中的应用(第3页)》