本文基于毫米級全方位無回轉(zhuǎn)半徑移動(dòng)機(jī)器人課題,。微系統(tǒng)配置示意圖如圖1所示,。主要由主機(jī)Host(配有圖像采集卡)、兩個(gè)CCD攝像頭(其中一個(gè)為顯微攝像頭),、微移動(dòng)裝配平臺,、微機(jī)器人本體和系統(tǒng)控制電路板等組成。計(jì)算機(jī)和攝像機(jī)組用于觀察微機(jī)器人的方位,，控制系統(tǒng)控制微機(jī)器人的移動(dòng),。

　　本文在系統(tǒng)控制電路中嵌入式實(shí)現(xiàn)語音識別算法，通過語音控制微機(jī)器人,。
　　微機(jī)器人控制系統(tǒng)的資源有限,，控制方法比較復(fù)雜,，并且需要有較高的實(shí)時(shí)性，因此本文采用的語音識別算法必須簡單,、識別率高,、占用系統(tǒng)資源少。
　　HMM(隱馬爾可夫模型)的適應(yīng)性強(qiáng),、識別率高,，是當(dāng)前語音識別的主流算法。使用基于HMM非特定人的語音識別算法雖然借助模板匹配減小了識別所需的資源,，但是前期的模板儲存工作需要大量的計(jì)算和存儲空間,，因此移植到嵌入式系統(tǒng)" title="嵌入式系統(tǒng)">嵌入式系統(tǒng)還有一定的難度，所以很多嵌入式應(yīng)用平臺的訓(xùn)練部分仍在PC機(jī)上實(shí)現(xiàn),。
　　為了使訓(xùn)練和識別都在嵌入式系統(tǒng)上實(shí)現(xiàn),，本文給出了一種基于K均值分段HMM模型的實(shí)時(shí)學(xué)習(xí)語音識別算法，不僅解決了上述問題,，而且做到了智能化,，實(shí)現(xiàn)了真正意義上的自動(dòng)語音識別。
1 增量K均值分段HMM的算法及實(shí)現(xiàn)
　　由于語音識別過程中非特定的因素較多,，為了提高識別的準(zhǔn)確率,，針對本系統(tǒng)的特點(diǎn)，采用動(dòng)態(tài)改變識別參數(shù)的方法提高系統(tǒng)的識別率,。
　　訓(xùn)練算法是HMM中運(yùn)算量最大,、最復(fù)雜的部分，訓(xùn)練算法的輸出是即將存儲的模型,。目前的語音識別系統(tǒng)大都使用貝斯曼參數(shù)的HMM模型,，采取最大似然度算法。這些算法通常是批處理函數(shù),，所有的訓(xùn)練數(shù)據(jù)要在識別之前訓(xùn)練好并存儲,。因此很多嵌入式系統(tǒng)因?yàn)橘Y源有限不能達(dá)到高識別率和實(shí)時(shí)輸出。
　　本系統(tǒng)采用了自適應(yīng)增量K均值分段算法,。在每次輸入新的語句時(shí)都連續(xù)地計(jì)算而不對前面的數(shù)據(jù)進(jìn)行存儲,，這可以節(jié)約大量的時(shí)間和成本。輸入語句時(shí)由系統(tǒng)的識別結(jié)果判斷輸入語句的序號,，并對此語句的參數(shù)動(dòng)態(tài)地修改,，真正做到了實(shí)時(shí)學(xué)習(xí)。
　　K均值分段算法是基于最佳狀態(tài)序列的理論,，因此可以采用Viterbi算法得到最佳狀態(tài)序列,，從而方便地在線修改系統(tǒng)參數(shù)，使訓(xùn)練的速度大大提高,。
　　為了達(dá)到本系統(tǒng)所需要的功能,，對通常的K均值算法作了一定的改進(jìn),。在系統(tǒng)無人監(jiān)管的情況下，Viterbi解碼計(jì)算出最大相似度的語音模型,，根據(jù)這個(gè)假設(shè)計(jì)算分段K均值算法的輸入?yún)?shù),，對此模型進(jìn)行參數(shù)重估。首先按照HMM模型的狀態(tài)數(shù)進(jìn)行等間隔分段,，每個(gè)間隔的數(shù)據(jù)段作為某一狀態(tài)的訓(xùn)練數(shù)據(jù),，計(jì)算模型的初始參數(shù)λ=f(a，A,，B),。采用Viterbi的最佳狀態(tài)序列搜索，得到當(dāng)前最佳狀態(tài)序列參數(shù)和重估參數(shù)θ,，其中概率密度函數(shù)P(X,，S|θ)代替了最大似然度算法中的P(X,，θ),，在不同的馬爾科夫狀態(tài)和重估之間跳轉(zhuǎn)?；贙均值算法的參數(shù)重估流程如下：
　　
　　為了使參數(shù)能更快地收斂,，在每幀觀察語音最佳狀態(tài)序列的計(jì)算結(jié)束后，加入一個(gè)重估過程,，以求更快地響應(yīng)速度,。
　　

　　可以看到，增量K均值算法的特點(diǎn)為：在每次計(jì)算完觀察值最佳狀態(tài)序列后,，插入一個(gè)重估過程,。隨時(shí)調(diào)整參數(shù)以識別下一個(gè)句子。
　　由于采用混合高斯" title="高斯">高斯密度函數(shù)作為輸出概率分布可以達(dá)到較好的識別效果,，因此本文采用 M 的混合度對數(shù)據(jù)進(jìn)行訓(xùn)練,。
　　對λ重估，并比較收斂性,，最終得到HMM模型參數(shù)訓(xùn)練結(jié)果,。
　　可見，用K均值法在線修改時(shí),，一次數(shù)據(jù)輸入會有多次重估過程,，這使系統(tǒng)使用最近的模型估計(jì)后續(xù)語句的最佳狀態(tài)序列成為可能。但是對于在線修改參數(shù)要求,，快速收斂是很重要的,。為了得到更好的 Viterbi序列，最佳狀態(tài)序列使用了漸增的算法模型,，即快速收斂算法,。
　　語音識別的具體實(shí)現(xiàn)過程為：數(shù)字語音信號通過預(yù)處理和特征向量的提取,，用戶通過按鍵選擇學(xué)習(xí)或者識別模式；如果程序進(jìn)入訓(xùn)練過程,，即用戶選擇進(jìn)行新詞條的學(xué)習(xí),，則用分段K均值法對數(shù)據(jù)進(jìn)行訓(xùn)練得到模板；如果進(jìn)入識別模式,，則從Flash中調(diào)出聲音特征向量,，進(jìn)行HMM算法識別。在識別出結(jié)果后,，立即將識別結(jié)果作為正確結(jié)果與前一次的狀態(tài)做比較,，得到本詞條更好的模板，同時(shí)通過LED數(shù)字顯示和語音輸出結(jié)果,。系統(tǒng)軟件流程如圖2所示,。

　　對采集到的語音進(jìn)行16kHz、12位量化,，并對數(shù)字語音信號進(jìn)行預(yù)加重：
　　H(Z)=1-0.98z^-1???????????? (5)
　　然后被分成20毫秒等長的幀,，幀移為10秒，加漢明窗處理：
　　
　　L選擇為320個(gè)點(diǎn),，用短時(shí)平均能量和平均過零率判斷起始點(diǎn),，去除不必要的信息。
　　對數(shù)據(jù)進(jìn)行FFT運(yùn)算,，得到能量譜,，通過24通道的帶通濾波輸出X(k)，然后再通過DCT運(yùn)算,，提取12個(gè)MFCC系數(shù)和一階二階對數(shù)能量,，提取38個(gè)參數(shù)可以使系統(tǒng)識別率得到提高。
　　為了進(jìn)行連接詞識別,，需要由訓(xùn)練數(shù)據(jù)得到單個(gè)詞條的模型,。方法為：首先從連接詞中分離出每個(gè)孤立的詞條，然后再進(jìn)行孤立詞條的模型訓(xùn)練,。對于本系統(tǒng)不定長詞條的情況,，每個(gè)詞條需要有一套初始的模型參數(shù)，然后按照分層構(gòu)筑的HMM算法將所有詞串分成孤立的詞條,。對每個(gè)詞條進(jìn)行參數(shù)的重估,，判斷是否收斂。如果差異小于某個(gè)域值就判斷為收斂,；否則將得到的參數(shù)作為新的初始參數(shù)再進(jìn)行重估,，直到收斂。
2 實(shí)驗(yàn)結(jié)果
　　實(shí)驗(yàn)采用30個(gè)人(15男,，15女)的聲音模型進(jìn)行識別,。首先由10人(5男,，5女)對5個(gè)命令詞(前進(jìn)、后退,、左移,、右移、快速)分別進(jìn)行初始數(shù)據(jù)訓(xùn)練,，每人每詞訓(xùn)練10次,，得到訓(xùn)練模板。然后再由這30人隨機(jī)進(jìn)行非特定人語音識別,。采用6狀態(tài)的HMM模型,，高斯混合度選為14，得到圖3的實(shí)驗(yàn)結(jié)果,。

　　由圖3可以看出,，由于本系統(tǒng)實(shí)時(shí)學(xué)習(xí)的特點(diǎn)，系統(tǒng)的識別率隨著訓(xùn)練數(shù)據(jù)的增加而逐步上升(誤識率下降),。但是當(dāng)實(shí)驗(yàn)數(shù)據(jù)繼續(xù)增多時(shí),，系統(tǒng)的識別率和實(shí)時(shí)性都有下降趨勢。這是由于系統(tǒng)處于無人監(jiān)管狀態(tài),，根據(jù)判斷結(jié)果進(jìn)行參數(shù)重估,。如果判斷結(jié)果錯(cuò)誤，勢必將錯(cuò)誤帶入?yún)?shù)重估步驟中,。
　　逐步增加高斯混合度數(shù)目，可以得到圖4的實(shí)驗(yàn)結(jié)果,?？梢姼咚够旌隙仍?8的時(shí)候達(dá)到較好的識別效果，混合度太高識別率反而會有所下降,，這是由于嵌入式系統(tǒng)的資源有限,，運(yùn)算復(fù)雜度的增長超過了嵌入式設(shè)備的限制所造成的。