專利名稱：一種基于dsp的語音識(shí)別及優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及嵌入式語音識(shí)別技術(shù)領(lǐng)域，特別是一種基于TMS320VC5509A芯片的DSP語音交互模塊的語音識(shí)別及優(yōu)化方法。
背景技術(shù)：
在基于TMS320VC5509A芯片的DSP語音交互模塊上實(shí)現(xiàn)語音識(shí)別方法，會(huì)受到DSP平臺(tái)資源的限制。采用基于整詞建模的DTW匹配方法或其他簡(jiǎn)單的匹配方法，雖然能夠在DSP語音交互模塊上實(shí)時(shí)實(shí)現(xiàn)，并且能夠取得比較高的語音識(shí)別性能，但是其缺點(diǎn)是如果更換詞表，就要求采集大量的數(shù)據(jù)來重新訓(xùn)練模型，導(dǎo)致使用起來很不方便；主流的基于Triphone(三音子)的大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別方法語音識(shí)別率高，能識(shí)別的詞匯量大，而且替換詞表不需要重新訓(xùn)練模型，但是方法對(duì)硬件平臺(tái)資源的要求很高，大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別方法在DSP語音交互模塊上難以直接實(shí)時(shí)實(shí)現(xiàn)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于DSP的語音識(shí)別及優(yōu)化方法。
一種基于TMS320VC5509A芯片的DSP語音識(shí)別方法，語音識(shí)別方法以大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別方法為基礎(chǔ)。
所述的DSP語音識(shí)別方法，聲學(xué)模型采用基于SDCHMM(子空間分布聚類隱馬爾可夫模型)Triphone(三音子)模型。
所述的DSP語音識(shí)別方法，在提取聲學(xué)特征之前采用一步Wiener濾波方法進(jìn)行抗所述的DSP語音識(shí)別方法，語音識(shí)別所用特征是39維MFCC系數(shù)。
所述的DSP語音識(shí)別方法，語音識(shí)別采用Onepass(一遍搜索)方法。所述的DSP語音識(shí)別方法，語音識(shí)別方法以充分利用TMS320VC5509A硬件資源(如雙核結(jié)構(gòu)、指數(shù)運(yùn)算器等)為原則，對(duì)方法進(jìn)行了結(jié)合實(shí)際硬件環(huán)境的優(yōu)化。
為了充分利用基于Triphone(三音子)的大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別方法在語音識(shí)別上語音識(shí)別率高、能識(shí)別的詞匯量大、替換詞表不需要重新訓(xùn)練模型等優(yōu)點(diǎn)，克服基于TMS320VC5509A的DSP語音交互模塊在硬件資源上的不足，本發(fā)明提出一種基于TMS320VC5509A的語音識(shí)別方法，該方法以基于Triphone(三音子)的大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別方法為基礎(chǔ)，通過使用簡(jiǎn)化的聲學(xué)模型，和優(yōu)化的抗噪聲方法，并結(jié)合具體的DSP硬件環(huán)境對(duì)方法進(jìn)行優(yōu)化，在保證方法在DSP語音交互模塊上實(shí)時(shí)實(shí)現(xiàn)的基礎(chǔ)上，使語音識(shí)別達(dá)到了很高的性能。
1.基于TMS320VC550的DSP電路模塊裝置DSP語音交互模塊上的硬件資源描述如下(1)采用TMS320VC5509A作為處理器。TMS320VC5509A是典型的高性能、低功耗、16位定點(diǎn)的DSP處理器之一，它有兩個(gè)獨(dú)立的乘加單元(MAC)，一個(gè)指數(shù)運(yùn)算器，運(yùn)行速度最高可達(dá)200MIPS。
(2)兩片1M字的16位的FLASH，支持16位BOOTLOADER模式，在DSP語音交互模塊中用來存放程序、聲學(xué)模型、編碼語音數(shù)據(jù)。
(3)外擴(kuò)4M字SRAM，在系統(tǒng)初始化的時(shí)候，把FLASH中的聲學(xué)模型裝載到片外SRAM，這是因?yàn)镈SP訪問片外SRAM的速度比訪問片外FLASH的速度要快得多。
(4)AD/DA采用TI公司的高速模擬接口芯片TLC320AD50，它是16位音頻codec(編解碼器，coder-decoder)芯片，該芯片支持多種采樣率，包括16kHz和8KHz，支持16位精度的采樣，動(dòng)態(tài)范圍為91dB。
2.基于DSP語音交互模塊的語音識(shí)別方法2.1語音識(shí)別方法引擎簡(jiǎn)介圖1給出了語音識(shí)別系統(tǒng)的結(jié)構(gòu)圖。
(1)它采用基于SDCHMM(子空間分布聚類隱馬爾可夫模型)的不帶聲調(diào)的上下文相關(guān)的Triphone(三音子)模型，相比傳統(tǒng)的CDHMM(連續(xù)隱馬爾可夫模型)模型而言，SDCHMM(子空間分布聚類隱馬爾可夫模型)可以減少系統(tǒng)計(jì)算聲學(xué)得分的計(jì)算量和節(jié)省存儲(chǔ)空間；而基于Triphone(三音子)聲學(xué)模型相對(duì)于Monophone(單音子)模型而言對(duì)聲學(xué)模型描述的精度更高，識(shí)別率更高。
(2)訓(xùn)練聲學(xué)模型的數(shù)據(jù)由加噪語音經(jīng)過抗噪處理后得到，相對(duì)于純凈語音數(shù)據(jù)而言，可以增加系統(tǒng)的抗噪聲性能，其中抗噪處理方法采用ETSI(歐洲電信標(biāo)準(zhǔn)協(xié)會(huì))提出的標(biāo)準(zhǔn)的兩階段Wiener濾波方法(AFE)。
(3)在語音識(shí)別前端加上了抗噪方法，抗噪方法采用一步Wiener濾波方法，相對(duì)于ETSI(歐洲電信標(biāo)準(zhǔn)協(xié)會(huì))提出的標(biāo)準(zhǔn)的兩步Wiener濾波方法而言，它能夠在幾乎不降低抗噪性能的基礎(chǔ)上，節(jié)省60％左右的計(jì)算量，這對(duì)在資源不是很豐富嵌入式平臺(tái)實(shí)現(xiàn)是非常有利的。
(4)系統(tǒng)以8KHz的采樣率采樣語音數(shù)據(jù)，提取的特征參數(shù)為能量加上12維MFCC及其一階、二階差分共39維特征。
(5)識(shí)別方法采用Onepass(一遍搜索)方法。
2.2一步Wiener濾波方法2.2.1一步Wiener濾波方法說明ETSI公布的分布式語音識(shí)別(DSR)標(biāo)準(zhǔn)中，其前端抗噪方法(AFE)采用了包含兩步Wiener濾波和盲均衡的方案。第一步濾波的作用是消除白噪聲并且白化有色噪聲。第二步濾波去除殘余的白噪聲。在去除完加性噪聲之后采用盲均衡的自適應(yīng)方法去除乘性噪聲。
這種消除噪聲的方法在實(shí)際應(yīng)用中能夠起到很好的應(yīng)用效果，抗噪聲性能好。但是兩次Wiener濾波運(yùn)算對(duì)計(jì)算量的消耗非常大，在嵌入式平臺(tái)下實(shí)時(shí)實(shí)現(xiàn)存在一定的難度，為此本發(fā)明提出了一步Wiener濾波方法。
一步Wiener濾波方法在ETSI公布的標(biāo)準(zhǔn)的兩步Wiener濾波方法的基礎(chǔ)上，對(duì)含噪語音只進(jìn)行一次Wiener濾波，消除白噪聲并且白化有色噪聲，為了節(jié)省計(jì)算量，不再進(jìn)行第二步Wiener濾波。圖2給出了一步Wiener濾波方法的系統(tǒng)結(jié)構(gòu)圖。實(shí)驗(yàn)證明一步Wiener濾波方法能夠在幾乎不降低抗噪性能的前提條件下，使計(jì)算量減少60％。
2.2.2一步Wiener濾波方法測(cè)試為了測(cè)試一步Wiener方法抗噪聲性能，我們對(duì)方法進(jìn)行了實(shí)驗(yàn)測(cè)試。實(shí)驗(yàn)測(cè)試環(huán)境描述如下詞表大小為200詞；訓(xùn)練聲學(xué)模型的數(shù)據(jù)通過加噪語音通過抗噪處理之后得到；測(cè)試集采用實(shí)驗(yàn)室采集的孤立詞測(cè)試集，共2000個(gè)孤立詞，由10個(gè)說話人(5男，5女)采集得到。測(cè)試時(shí)把2000個(gè)孤立詞語音分別以5dB、10dB、15dB、20dB的信噪比加入babble、white、leopard、factory四種不同的噪聲，試驗(yàn)結(jié)果取其平均值。測(cè)試結(jié)果如表1

表1改進(jìn)Wiener濾波方法性能測(cè)試結(jié)果測(cè)試結(jié)果表明(1)兩步Wiener濾波和一步Wiener濾波與不加任何抗噪方法相比，特別是在信噪比(SNR)比較低的情況下，對(duì)識(shí)別率有明顯改善作用。
(2)從試驗(yàn)結(jié)果看一步Wiener濾波的效果要比兩步Wiener濾波效果好，經(jīng)分析這是由于兩步Wiener濾波是以提高語音質(zhì)量為目的的，在以含噪語音訓(xùn)練出來的聲學(xué)模型的語音識(shí)別器中，語音質(zhì)量的提高并不一定會(huì)帶來語音識(shí)別率的提高。經(jīng)過一步Wiener濾波后的語音，對(duì)含噪語音訓(xùn)練的聲學(xué)模型匹配效果更好，因此識(shí)別率更高。
(3)總體上來看，一步Wiener濾波和兩步Wiener濾波相比在抗噪性能上來講，效果相差不大，但是一步Wiener濾波與兩步Wiener濾波相比計(jì)算量減少了近60％，在計(jì)算速度上更有優(yōu)勢(shì)。
2.3.基于平臺(tái)自身的優(yōu)化及結(jié)果嵌入式平臺(tái)都有自己的特點(diǎn)，在嵌入式平臺(tái)下提高方法的性能，非但要從方法本身入手，在不損失識(shí)別率的前提條件下尋找計(jì)算量更小、更易實(shí)現(xiàn)的方法，還要根據(jù)編譯器和嵌入式平臺(tái)自身的特點(diǎn)對(duì)方法進(jìn)行優(yōu)化。特別是在DSP平臺(tái)下實(shí)現(xiàn)計(jì)算量非常龐大的連續(xù)語音識(shí)別的命令詞語音識(shí)別引擎更是如此。圖3給出了大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別方法的基于DSP平臺(tái)自身優(yōu)化結(jié)構(gòu)圖。
2.3.1基于編譯器的語音識(shí)別方法優(yōu)化編譯器對(duì)語音識(shí)別方法的影響主要表現(xiàn)在編譯系統(tǒng)把方法代碼轉(zhuǎn)化為機(jī)器代碼時(shí)往往不能充分利用嵌入式平臺(tái)自身的特點(diǎn)，造成效率很低。
為了測(cè)試編譯器對(duì)語音識(shí)別方法的影響，我們專門用C++、C、C&ASM分別搭建了方法的系統(tǒng)平臺(tái)，其中C&ASM平臺(tái)是把用C語言構(gòu)建的平臺(tái)中的耗時(shí)部分改成匯編語言的系統(tǒng)。對(duì)它們執(zhí)行的效率進(jìn)行了測(cè)試。測(cè)試用的數(shù)據(jù)采用十個(gè)集外詞的平均測(cè)試結(jié)果，DSP模塊的運(yùn)行速度為160MIPS。
表2給出了比較結(jié)果(表中數(shù)據(jù)單位是<倍實(shí)時(shí)>)。

表2各種平臺(tái)下方法的實(shí)時(shí)性比較測(cè)試結(jié)果說明從執(zhí)行速度上來講用C&ASM構(gòu)建的語音識(shí)別系統(tǒng)大于C語言系統(tǒng)，而C語言系統(tǒng)的執(zhí)行速度又大于C++語言系統(tǒng)。
2.3.2浮點(diǎn)運(yùn)算定點(diǎn)化TMS320VC5509A是典型的高性能、低功耗、16位定點(diǎn)DSP之一。處理器在處理定點(diǎn)運(yùn)算上有得天獨(dú)厚的優(yōu)勢(shì)，但是在浮點(diǎn)運(yùn)算上必須進(jìn)行優(yōu)化處理，把浮點(diǎn)運(yùn)算經(jīng)過定標(biāo)之后轉(zhuǎn)化成定點(diǎn)運(yùn)算，才能提高方法的運(yùn)算性能，由TMS320VC5509A提供的指數(shù)運(yùn)算器可以很方便地對(duì)浮點(diǎn)數(shù)進(jìn)行定標(biāo)。
表3給出了處理器在160MIPS的條件下，進(jìn)行100次單精度浮點(diǎn)數(shù)的加、減、乘、除運(yùn)算優(yōu)化之前和優(yōu)化之后的實(shí)驗(yàn)結(jié)果

表3浮點(diǎn)運(yùn)算優(yōu)化結(jié)果表測(cè)試結(jié)果說明把浮點(diǎn)運(yùn)算轉(zhuǎn)化為定點(diǎn)運(yùn)算可以極大提高方法的運(yùn)行速度，但是在對(duì)浮點(diǎn)數(shù)進(jìn)行定標(biāo)的時(shí)候需要根據(jù)實(shí)際情況采用不同的定標(biāo)策略，在速度與精度之間尋找最佳的平衡點(diǎn)。
2.3.3并行處理對(duì)語音識(shí)別方法進(jìn)行優(yōu)化時(shí)還應(yīng)該充分利用C55X系列DSP的并行處理機(jī)制。并行處理機(jī)制可以使兩條不同的指令在一個(gè)時(shí)鐘周期內(nèi)同時(shí)完成，這是C55X區(qū)別于C54X的最大的地方之一。從理論上來講，采用C55X的并行處理機(jī)制，可以使方法的速度提高一倍。
2.4.系統(tǒng)軟件結(jié)構(gòu)的優(yōu)化從表2的結(jié)果中我們可以看到即使對(duì)語音識(shí)別方法做了基于平臺(tái)自身的優(yōu)化之后，總體耗時(shí)仍為一倍實(shí)時(shí)以上。在DSP語音交互模塊上實(shí)現(xiàn)大詞匯量連續(xù)語音識(shí)別的命令詞語音識(shí)別系統(tǒng)，還需要對(duì)語音識(shí)別方法的結(jié)構(gòu)進(jìn)行優(yōu)化在錄音的同時(shí)非但進(jìn)行前端處理而且還進(jìn)行部分搜索，等語音完畢之后完成剩余部分的搜索。這樣可以大大節(jié)省等待語音識(shí)別結(jié)果的時(shí)間，提高系統(tǒng)的實(shí)時(shí)性。
本發(fā)明的有益效果是在基于TMS320VC5509A芯片的DSP交互模塊上實(shí)時(shí)地實(shí)現(xiàn)了基于大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別引擎，使DSP語音交互模塊上的語音識(shí)別除了具有語音識(shí)別率高、能識(shí)別的詞匯量大、替換詞表方便等優(yōu)點(diǎn)之外，還具有良好的抗噪聲性能。


下面結(jié)合附圖和實(shí)施例對(duì)本實(shí)用新型進(jìn)一步說明。
圖1語音識(shí)別引擎流程圖。
圖2一步Wiener濾波方法結(jié)構(gòu)圖。
圖3基于平臺(tái)自身優(yōu)化結(jié)構(gòu)圖。
具體實(shí)施例方式
圖1為語音識(shí)別軟件流程圖，其步驟如下步驟S1-1語音輸入，在軟件系統(tǒng)中采用中斷的方式采集輸入的語音，這樣可以在輸入語音的同時(shí)，對(duì)已經(jīng)采集到的語音數(shù)據(jù)進(jìn)行噪聲消除、特征提取和進(jìn)行部分搜索，這樣可以節(jié)省用戶等待語音識(shí)別結(jié)果的時(shí)間；步驟S1-2Wiener濾波，這部分處理主要是為了提高語音識(shí)別系統(tǒng)的魯棒性，增加語音識(shí)別部分的抗噪聲性能而做出的處理。它采用了一步Wiener濾波方法，在由ETSI(歐洲電信標(biāo)準(zhǔn)協(xié)會(huì))提出的標(biāo)準(zhǔn)的兩步Wiener濾波方法(AFE)的基礎(chǔ)上，只進(jìn)行一步Wiener濾波，消除白噪聲并白化有色噪聲，為了節(jié)省計(jì)算量不在進(jìn)行第二步Wiener濾波；步驟S1-3聲學(xué)特征提取，語音識(shí)別系統(tǒng)所提取的聲學(xué)特征為能量加上12維MFCC及其一階、二階差分共39維特征；步驟S1-4聲學(xué)模型。語音識(shí)別引擎采用基于SDCHMM(子空間分布聚類隱馬爾可夫模型)的不帶聲調(diào)的上下文相關(guān)的Triphone(三音子)模型，訓(xùn)練聲學(xué)模型的數(shù)據(jù)由加噪語音經(jīng)過抗噪處理后得到，相對(duì)于純凈語音數(shù)據(jù)而言，可以增加系統(tǒng)的抗噪聲性能，其中抗噪處理方法采用ETSI(歐洲電信標(biāo)準(zhǔn)協(xié)會(huì))提出的標(biāo)準(zhǔn)的兩階段Wiener濾波方法(AFE)；步驟S1-5解碼搜索，語音識(shí)別系統(tǒng)所采用的解碼搜索方法為OnePass(一遍搜索)方法；步驟S1-6結(jié)果輸出。把語音識(shí)別引擎得到的語音識(shí)別的結(jié)果輸出。
圖2為一步Wiener濾波方法的結(jié)構(gòu)圖，其步驟如下步驟S2-1語音輸入；步驟S2-2Wiener濾波，對(duì)未進(jìn)行任何處理的聲音信號(hào)進(jìn)行Wiener濾波處理；步驟S2-3消除直流偏移，對(duì)Wiener濾波的結(jié)果進(jìn)行直流偏移噪聲的消除；步驟S2-4語音輸出。
圖3為基于平臺(tái)自身優(yōu)化結(jié)構(gòu)圖，其步驟如下步驟S3-1基于編譯器的優(yōu)化，編譯器對(duì)C++語言編譯的效率最低，C語言次之，ASM(匯編)語言效率最高，因此對(duì)方法耗時(shí)的部分采用ASM(匯編)語言進(jìn)行優(yōu)化；步驟S3-2浮點(diǎn)運(yùn)算定點(diǎn)化，處理器處理定點(diǎn)運(yùn)算的能力強(qiáng)，處理浮點(diǎn)運(yùn)算的能力差，采用把浮點(diǎn)運(yùn)算經(jīng)過定標(biāo)之后轉(zhuǎn)成定點(diǎn)運(yùn)算，可以在保證一定精度的范圍內(nèi)，極大地提高運(yùn)算速度；步驟S3-3并行處理，并行處理是C55X區(qū)別C54X的最大的不同之處，充分利用TMS320VC5509A的并行處理機(jī)制可以提高方法的運(yùn)算速度。
權(quán)利要求
1.一種基于TMS320VC5509A芯片的DSP語音識(shí)別方法，其特征是語音識(shí)別方法以大詞匯量連續(xù)語音識(shí)別LVCSR的命令詞語音識(shí)別方法為基礎(chǔ)。
2.根據(jù)權(quán)利要求1所述的DSP語音識(shí)別方法，其特征是聲學(xué)模型采用基于SDCHMM子空間分布聚類隱馬爾可夫模型Triphone三音子模型。
3.根據(jù)權(quán)利要求1所述的DSP語音識(shí)別方法，其特征是在提取聲學(xué)特征之前采用一步Wiener濾波方法進(jìn)行抗噪聲處理。
4.根據(jù)權(quán)利要求1所述的DSP語音識(shí)別方法，其特征是語音識(shí)別所用特征是39維MFCC系數(shù)。
5.根據(jù)權(quán)利要求1所述的DSP語音識(shí)別方法，其特征是語音識(shí)別采用Onepass一遍搜索方法。
6.根據(jù)權(quán)利要求1所述的DSP語音識(shí)別方法，其特征是語音識(shí)別方法以充分利用TMS320VC5509A硬件資源為原則，對(duì)方法進(jìn)行了結(jié)合實(shí)際硬件環(huán)境的優(yōu)化。
7.一種基于DSP的語音識(shí)別方法，其步驟如下步驟S1-1語音輸入，在軟件系統(tǒng)中采用中斷的方式采集輸入的語音，可以在輸入語音的同時(shí)，對(duì)已經(jīng)采集到的語音數(shù)據(jù)進(jìn)行噪聲消除、特征提取和進(jìn)行部分搜索；步驟S1-2Wiener濾波，采用一步Wiener濾波方法，在由ETSI歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)提出的標(biāo)準(zhǔn)的兩步Wiener濾波方法AFE的基礎(chǔ)上，只進(jìn)行一步Wiener濾波；步驟S1-3聲學(xué)特征提取，語音識(shí)別系統(tǒng)所提取的聲學(xué)特征為能量加上12維MFCC及其一階、二階差分共39維特征；步驟S1-4聲學(xué)模型，語音識(shí)別引擎采用基于SDCHMM子空間分布聚類隱馬爾可夫模型的不帶聲調(diào)的上下文相關(guān)的Triphone三音子模型，訓(xùn)練聲學(xué)模型的數(shù)據(jù)由加噪語音經(jīng)過抗噪處理后得到，其中抗噪處理方法采用ETSI歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)提出的標(biāo)準(zhǔn)的兩階段Wiener濾波方法AFE；步驟S1-5解碼搜索，語音識(shí)別系統(tǒng)所采用的解碼搜索方法為OnePass一遍搜索方法；步驟S1-6結(jié)果輸出，把語音識(shí)別引擎得到的語音識(shí)別的結(jié)果輸出。
8.根據(jù)權(quán)利要求7所述的基于DSP的語音識(shí)別方法，其特征在于，一步Wiener濾波方法，其步驟如下步驟S2-1語音輸入；步驟S2-2Wiener濾波，對(duì)未進(jìn)行任何處理的聲音信號(hào)進(jìn)行Wiener濾波處理；步驟S2-3消除直流偏移，對(duì)Wiener濾波的結(jié)果進(jìn)行直流偏移噪聲的消除；步驟S2-4語音輸出。
9.一種基于DSP的語音優(yōu)化方法，其步驟如下基于平臺(tái)自身優(yōu)化，其步驟如下步驟S3-1基于編譯器的優(yōu)化，編譯器對(duì)C++語言編譯的效率最低，C語言次之，ASM匯編語言效率最高，因此對(duì)方法耗時(shí)的部分采用ASM匯編語言進(jìn)行優(yōu)化；步驟S3-2浮點(diǎn)運(yùn)算定點(diǎn)化，處理器處理定點(diǎn)運(yùn)算的能力強(qiáng)，處理浮點(diǎn)運(yùn)算的能力差，采用把浮點(diǎn)運(yùn)算經(jīng)過定標(biāo)之后轉(zhuǎn)成定點(diǎn)運(yùn)算；步驟S3-3并行處理，并行處理是C55X區(qū)別C54X的最大的不同之處，充分利用TMS320VC5509A的并行處理機(jī)制可以提高方法的運(yùn)算速度。
全文摘要
本發(fā)明涉及嵌入式語音識(shí)別技術(shù)及應(yīng)用領(lǐng)域，特別是一種基于TMS320VC5509A芯片的DSP語音交互模塊的語音識(shí)別方法，該方法以大詞匯量連續(xù)語音識(shí)別(LVCSR)的命令詞語音識(shí)別方法為基礎(chǔ)，在不降低語音識(shí)別率的前提下，采用了簡(jiǎn)化的聲學(xué)模型，在不降低抗噪聲性能的前提下，采用優(yōu)化的抗噪聲方法，并結(jié)合DSP語音交互模塊的實(shí)際的硬件環(huán)境，對(duì)方法進(jìn)行了優(yōu)化，使DSP語音交互模塊上的語音識(shí)別達(dá)到了良好的性能。
文檔編號(hào)G10L15/02GK1983388SQ20051012649
公開日2007年6月20日 申請(qǐng)日期2005年12月14日 優(yōu)先權(quán)日2005年12月14日
發(fā)明者李成榮, 岳紅強(qiáng) 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所