基于0MAP5912芯片實現SVM語音識別程序的應用開發(fā)

隨著語音識別和語音合成技術的不斷更新與發(fā)展，將語音識別技術應用于嵌入式產品中已得到廣泛應用。SVM（支持向量機）作為統(tǒng)汁概率模型已經被證明是一種很好的識別模型。OMAP5912處理器是由TI公司的TMS320C55X型DSP內核與低功耗、增強型ARM926EJ-S微處理器組成的雙核應用處理器。ARM核可滿足控制和接口方面的需要，DSP核以其低功耗高性能來實現多媒體應用。目前存 0MAP平臺上實現的多媒體應用有語音、音頻、圖像、視頻等。在實驗室開發(fā)的基于0MAP5912嵌入式語音識別系統(tǒng)上進行基于SVM的語音識別程序開發(fā)。

1 SVM多類分類方法

SVM最初是為處理兩類分類問題而設計的，如何有效地處理多類分類問題目前仍是一個持續(xù)研究的課題。采用SVM中的“一對一”方法實現多類分類，下面對這種方法進行簡單介紹。

S.Knerr等在1990年首次介紹了“一對一”方法。J.Friedman在1996年和U KreBel在1999年分別首次在支持向量機中使用這種方法。它需要構造k（k-1）/2個分類器，每個分類器由特定的某兩類訓練樣本訓練得到，判定測試樣本的類別時，結合所有兩類分類器對測試樣本類別的判定意見，采用“投票法”的策略，并認為得票數最多（Max Wins）的類別就是測試樣本所屬的類別。具體如下：考慮K類的分類問題，設訓練集

首先對所有的（i，j）∈{（i，j）|i≤j，i，j=1，…，K}進行運算：從訓練集

中抽取所有y=i和y=j的樣本點。基于這些樣本點組成一個訓練集Ti-j，每個兩類分類SVM解決問題

約束條件為：

通過求解式（3）的最優(yōu)化問題得到k（k-1）/2個決策函數，如果函數

判斷x屬于i類，則i類的得票數增加1;否則j類的得票數增加1。最終判定得票數最多的類別就是測試樣本x所屬的類別。

“一對一”方法的特點是訓練時需要構造k（k-1）/2個分類器，預測時則采用投票選擇策略。這樣做的優(yōu)點是：每一個分類問題的規(guī)模較小，需要求的問題較簡單，樣本數量不很大時訓練速度較快，而且由于類別有較少的重合，改善了樣本拒分、錯分的范同;缺點是：投票法可能存在得票相同的類，即可能存在一個樣本同時屬于多個類的情況。這可以使用其他方法解決，這里重點研究SVM算法在0MAP上的實現。

2 嵌入式系統(tǒng)開發(fā)環(huán)境的搭建

0MAP5912處理器是由TI公司的TMS320C55x型DSP內核 （192 MHz）與低功耗、增強型ARM926EJ-S微處理器（192 MHz）組成的雙核應用處理器，采用0.13μm CMOS工藝制造。TMS320C55x型DSP可提供對低功耗應用的實時多媒體處理的支持;ARM926EJ-S MPU可滿足控制和接口方面的處理需要?；陔p核結構的0MAP5912具有極強的運算能力和極低的功耗，采用開放式、易于開發(fā)的軟件設施，支持廣泛的操作系統(tǒng)。嵌入式系統(tǒng)開發(fā)在解決了硬件平臺的設計和操作系統(tǒng)的搭建后就需要考慮應用程序如何編譯、主機如何與開發(fā)板通信、程序如何調試、程序如何下載到開發(fā)板這幾個方面的問題。

2.1 通信環(huán)境

采用minicom通信終端程序，通過minicom可以設置、監(jiān)視串口工作狀態(tài)，接收、顯示串口收到的信息、并且在宿主機和開發(fā)板之間傳遞數據和控制指令，從而實現通過宿主機上調試開發(fā)板的目的。

設置minicom參數值如下：“Serial Device”為/dev/ttyrSO（使用串口1）;主機串口波特率為：115 200;數據位為：8位;停止位為：1位;奇偶校驗位為：無;數據流控制為：無。完成后保存設置重啟Minicom。

2.2 程序下載環(huán)境

在程序開發(fā)期間，經常需要把程序下載到開發(fā)板上進行測試，采用通用開發(fā)模式：將宿主機和開發(fā)板通過以太網連接，在宿主機上運行minicom作為開發(fā)板的顯示終端，通過NFS（Network File System，網絡文件系統(tǒng)）來掛載宿主機硬盤，讓應用程序直接運行在開發(fā)板上。

2.3 交叉編譯環(huán)境的建立

宿主機系統(tǒng)為Ubuntu version 2.6.27，將交叉編譯工具arm-linux-gcc-3.4.1解壓縮到/usr/local/arm目錄下，然后在終端執(zhí)行命令：#gedit/root/.bashrc，修改/root/.bashrc文件，在文件中加入export PATH=“$PATH：/sbin：/usr/local/arm/3.4.1/bin：/usr/local/bin：/usr/local”，最后在終端執(zhí)行命令#source.bashrc.至此，交叉編譯環(huán)境搭建完成。資源文件和庫文件都

安裝在/usr/local/arm/3.4.1/arm-linux目錄下。交叉編譯過程如圖l所示。

2.4 安裝NFS《Network File System）

在開發(fā)階段采用NFS比較方便，這樣開發(fā)板的根文件系統(tǒng)可以放在宿主機上，然后通過NFS來掛載和運行。內核同樣也可放在宿主機上，然后由引導器使用 TFTP（Trivial FileTransferProtocol）協議通過以太網來獲取。開發(fā)板同時具有以太網口和串口，且以太網連接的傳輸速度遠比串口連接要快，因此，用以太網接口下載內核和根文件系統(tǒng)，而串口作為調試和控制臺來使用。

2.4.1安裝NFS

Ubuntu上默認是沒有NFS服務的，首先要安裝NFS服務程序，#sudo apt-get install nfs-kernel-server，使宿主機相當于NFS服務器。同樣地，開發(fā)板作為NFS的客戶端，需要安裝NFS客戶端程序：#sudo apt-get install nfs-commmon。

2.4.2 配置portmap服務

nfs-common和nfs-kernel-setver都依賴于portmap，所以需要配置portmap。#sudo dpkg-reconfigure portmap，對Shouldportmap be bound to the loopback address？選N。

在/etc/hosts.deny和/etc/hosts.allow兩文件中設置對portmap的訪問：首先在/etc/hosts.deny中，禁止所有用戶對portmap的訪問，然后在/etc/hosts.allow中，允許特定用戶對portmap進行訪問。文件修改完后執(zhí)行#sudo/etc/init.d/pottmap restart，重啟portmap daemon使改動后的內容生效。

2.4.3 配置/etc/exports

NFS掛載目錄及權限由/etc/expotts文件定義。在該文件最后添加語句：

/data/rootfs2.6 192.168.0.*（rw，sync，no_root_squash）

使192.168.O.*網段內的NFS客戶端能夠共享NFS服務器/data/rootfs2.6目錄內容，不僅有瀆寫權限，而且進入/data/rootfs-2.6目錄后的身份為root。更新配置，重啟NFS服務。

#sudo exportfs-r

#sudo/etc/init.d/nfs-kernel-server restait

2.4.4 拷貝根文件系統(tǒng)

拷貝根文件系統(tǒng)到/data/rootfs2.6目錄下，這時就可以啟動minicom，作為虛擬終端，可以通過它來操作開發(fā)板。

2.5 修改開發(fā)板啟動項

bootargs參數設置Linux系統(tǒng)啟動時掛載在NOR Flash上的JFFS2根文件系統(tǒng)。掛載宿主機上的網絡文件系統(tǒng)，則bootargs參數應設置

setenv bootargs=console=ttyS0，115200n8 noinitrd rw ip=192.168.0.158 root=/dev/nfs nfsroot=192.168.0.204：/data/rootfs2.6.nolock mem=62M

#sayenv保存設置后重啟u-boot，之后將順利進入到開發(fā)板，調試應用程序。

3 實驗及結果分析

基于VC++6.0編程實現一種多類分類SVMs算法，PC機環(huán)境為Ubuntu version 2.6.27，開發(fā)板為Omap5912的ARM926ej-s，其環(huán)境為Lin-ux version 2.6.18;Boot Loader采用u-boot version 1.1.6;交叉編譯工具鏈arm-linux-gcc version3.4.1。

采用16個人分別對50個詞的孤立詞發(fā)音，在不同信噪比下（15、20、25、30 dB和無噪音）得到的語音數據作為樣本，采用由MFCC特征提取算法得到的特征參數作為識別網絡的輸入。語音信號采樣率為11.025 kHz，幀長N=256點，幀移M=128點。詞匯量分別為10、20、30、40和50個詞。訓練樣本由9人每人對每詞在15、20、25、30 dB、無噪音下發(fā)音3次得到。測試樣本由另外7人在相應SNR下對每詞發(fā)音3次得到。識別算法采用RBF核函數的SVM算法，采用交叉驗證和網格搜索法進行核參數選擇并建立模型，對測試樣本進行分類識別。核函數參數取最優(yōu)為（c，y）=（32.0，O.000 122 070 312 5）。實驗結果見表l所示，識別率均在95%以上。表1中同時列出同樣條件下使用HMM識別網絡的識別結果。

HMM模型是典型的語音識別模型，它是目前語音識別效果最好的少數幾種方法之一。在相同特征參數下將SVM與HMM模型進行對比，從實驗結果看出：1）SVM比HMM模型具有更高的識別率;2）比較相同信噪比和詞匯量下的測試精度，可發(fā)現HMM模型的測試精度有明顯下降，而SVM的測試結果下降較少，說明SVM比HMM模型具有更強推廣性。

4 結束語

提出一種基于SVM的0MAP5912非特定人嵌入式語音識別系統(tǒng)的實現方法。在搭建的開發(fā)環(huán)境下運用SVM算法巾的“一對一”方法進行語音識別，獲得良好結果。通過實驗可以得出，對中小詞匯量采用MFCC特征參數，“一對一”SVM作為后端識別方法可以得到較好的識別結果，比傳統(tǒng)的HMM模型有明顯優(yōu)勢。同時SVM算法作為應用程序集成到0MAP5912嵌入式系統(tǒng)里，存儲量需求小，能夠滿足實用要求。

責任編輯：gt