DTW算法在嵌入式語音識別系統中的應用研究

王赫楠+燕燕+王甜宇+王和禹

摘 要：現代社會的各個領域對語音識別系統的要求不同，使得該系統特性的差異性非常的大，所以該系統的開發(fā)需要針對一定的指標。該文就相關的語音識別系統進行了簡要的分析，特別分析了動態(tài)時間規(guī)整算法（DTW）在嵌入式語音識別系統中的應用。

關鍵詞：語音識別系統 動態(tài)時間規(guī)整 嵌入式

中圖分類號：TP3 文獻標識碼：A 文章編號：1674-098X（2014）03（b）-0071-01

隨著有關于嵌入式系統的軟件和硬件技術的進步，語音識別系統得到了全面的應用[1]。由于嵌入式系統受到各種軟硬件的約束，該系統通常運行的是特定的任務[2，3]。所以開發(fā)者可以優(yōu)化軟硬件資源、減小規(guī)模、降低成本。但這對于語音識別系統的效率和準確度有了更高的要求[4]。DTW算法與HMM等算法相比較而言，針對小詞匯量語音識別系統，其準確率與HMM等復雜算法幾乎相同。

1 DTW算法

動態(tài)時間彎曲（Dynamic Time Warping，簡稱DTW）是把時間規(guī)整和距離測度結合起來的一種非線性規(guī)整技術。設：

（1）參考模板特征矢量序列為：c0，c1，…，cp；

（2）輸入語音特征矢量序列為：d0，d1，...，，dq p≠q。

那么，DTW就是要計算函數D，從而使c和d之間的差別最小。

2 DTW在線并行算法

2.1 算法描述

DTW在線并行算法對于并行性的小詞匯語音識別系統特別適用。此方法第一步對問題分解，然后在多個運算單元中單獨的計算已知模式和未知模式之間的距離，并且對每個運算單元進行的計算分解。在DTW運算時要預先分配大小一定的內存。最后一步是將每一個單元的運算結果輸入到決策模塊，得到最終結論。

算法框圖如圖1所示，按照時間順序將計算出的未知語音特征矢量輸入到各個DTW流水線。然后由決策模塊依據各個流水線的計算結果以及其他信息得出結論。但由于每個參考模式的長度不同，各條流水線的計算時間是不同的，因此每條DTW流水線會設置一個完成標志位Pi（1≤i≤N），依據這些完成標志，決策模塊對已經完成計算的流水線結果進行處理。同時該算法還可以通過識別歷史來提前終止沒有完成的計算步驟。

2.2 算法分析

令特征矢量的維度為l，未知模式的長度為k，參考模式的個數為n，參考模式的總長度為p，局部判決函數的水平跨度為w，流水線條數為b。流水線的距離矩陣A的窗口平均大小為wn/p，令t為特征向量的數據類型所占的字節(jié)數，則OP-DTW算法所需的內存為wnt/p Byte。當b≥n時，算法所需時間為經典DTW的1/n；當b

3 結語

該文對一種DTW在線并行算法進行了分析，該算法相對減少了由于數據引起的等待時間；提高了DTW的并行度，并充分挖掘出硬件的計算功能，減少處理的時間。由于DTW的適用性，該算法適合一維非線性數據的匹配問題。

參考文獻

[1] 林常志.基于統計的語音識別方法分析報告[R/OL].（2003-12-26）[2009-06-13].http：//icrc.hitsz.edu.cn/data/林常志語音識技術報告.net.

[2] 李昱，林志謀，黃云鷹，等.基于短時能量和短時過零率的VAD算法及其FPGA實現[J].電子技術應用，2006，32（9）：110-113.

[3] 謝秋云，肖鐵軍.語音MFCC特征提取的FPGA實現[J].計算機工程與設計，2008，29（21）：5474-5475，5493.

[4] 高謙，張國杰，張樹才.基于FPGA的高性能MFCC特征參數提取[J].通信技術，2008，41（6）：153-154，157.

摘 要：現代社會的各個領域對語音識別系統的要求不同，使得該系統特性的差異性非常的大，所以該系統的開發(fā)需要針對一定的指標。該文就相關的語音識別系統進行了簡要的分析，特別分析了動態(tài)時間規(guī)整算法（DTW）在嵌入式語音識別系統中的應用。

關鍵詞：語音識別系統 動態(tài)時間規(guī)整 嵌入式

中圖分類號：TP3 文獻標識碼：A 文章編號：1674-098X（2014）03（b）-0071-01

隨著有關于嵌入式系統的軟件和硬件技術的進步，語音識別系統得到了全面的應用[1]。由于嵌入式系統受到各種軟硬件的約束，該系統通常運行的是特定的任務[2，3]。所以開發(fā)者可以優(yōu)化軟硬件資源、減小規(guī)模、降低成本。但這對于語音識別系統的效率和準確度有了更高的要求[4]。DTW算法與HMM等算法相比較而言，針對小詞匯量語音識別系統，其準確率與HMM等復雜算法幾乎相同。

1 DTW算法

動態(tài)時間彎曲（Dynamic Time Warping，簡稱DTW）是把時間規(guī)整和距離測度結合起來的一種非線性規(guī)整技術。設：

（1）參考模板特征矢量序列為：c0，c1，…，cp；

（2）輸入語音特征矢量序列為：d0，d1，...，，dq p≠q。

那么，DTW就是要計算函數D，從而使c和d之間的差別最小。

2 DTW在線并行算法

2.1 算法描述

DTW在線并行算法對于并行性的小詞匯語音識別系統特別適用。此方法第一步對問題分解，然后在多個運算單元中單獨的計算已知模式和未知模式之間的距離，并且對每個運算單元進行的計算分解。在DTW運算時要預先分配大小一定的內存。最后一步是將每一個單元的運算結果輸入到決策模塊，得到最終結論。

算法框圖如圖1所示，按照時間順序將計算出的未知語音特征矢量輸入到各個DTW流水線。然后由決策模塊依據各個流水線的計算結果以及其他信息得出結論。但由于每個參考模式的長度不同，各條流水線的計算時間是不同的，因此每條DTW流水線會設置一個完成標志位Pi（1≤i≤N），依據這些完成標志，決策模塊對已經完成計算的流水線結果進行處理。同時該算法還可以通過識別歷史來提前終止沒有完成的計算步驟。

2.2 算法分析

令特征矢量的維度為l，未知模式的長度為k，參考模式的個數為n，參考模式的總長度為p，局部判決函數的水平跨度為w，流水線條數為b。流水線的距離矩陣A的窗口平均大小為wn/p，令t為特征向量的數據類型所占的字節(jié)數，則OP-DTW算法所需的內存為wnt/p Byte。當b≥n時，算法所需時間為經典DTW的1/n；當b

3 結語

該文對一種DTW在線并行算法進行了分析，該算法相對減少了由于數據引起的等待時間；提高了DTW的并行度，并充分挖掘出硬件的計算功能，減少處理的時間。由于DTW的適用性，該算法適合一維非線性數據的匹配問題。

參考文獻

[1] 林常志.基于統計的語音識別方法分析報告[R/OL].（2003-12-26）[2009-06-13].http：//icrc.hitsz.edu.cn/data/林常志語音識技術報告.net.

[2] 李昱，林志謀，黃云鷹，等.基于短時能量和短時過零率的VAD算法及其FPGA實現[J].電子技術應用，2006，32（9）：110-113.

[3] 謝秋云，肖鐵軍.語音MFCC特征提取的FPGA實現[J].計算機工程與設計，2008，29（21）：5474-5475，5493.

[4] 高謙，張國杰，張樹才.基于FPGA的高性能MFCC特征參數提取[J].通信技術，2008，41（6）：153-154，157.

摘 要：現代社會的各個領域對語音識別系統的要求不同，使得該系統特性的差異性非常的大，所以該系統的開發(fā)需要針對一定的指標。該文就相關的語音識別系統進行了簡要的分析，特別分析了動態(tài)時間規(guī)整算法（DTW）在嵌入式語音識別系統中的應用。

關鍵詞：語音識別系統 動態(tài)時間規(guī)整 嵌入式

中圖分類號：TP3 文獻標識碼：A 文章編號：1674-098X（2014）03（b）-0071-01

隨著有關于嵌入式系統的軟件和硬件技術的進步，語音識別系統得到了全面的應用[1]。由于嵌入式系統受到各種軟硬件的約束，該系統通常運行的是特定的任務[2，3]。所以開發(fā)者可以優(yōu)化軟硬件資源、減小規(guī)模、降低成本。但這對于語音識別系統的效率和準確度有了更高的要求[4]。DTW算法與HMM等算法相比較而言，針對小詞匯量語音識別系統，其準確率與HMM等復雜算法幾乎相同。

1 DTW算法

動態(tài)時間彎曲（Dynamic Time Warping，簡稱DTW）是把時間規(guī)整和距離測度結合起來的一種非線性規(guī)整技術。設：

（1）參考模板特征矢量序列為：c0，c1，…，cp；

（2）輸入語音特征矢量序列為：d0，d1，...，，dq p≠q。

那么，DTW就是要計算函數D，從而使c和d之間的差別最小。

2 DTW在線并行算法

2.1 算法描述

DTW在線并行算法對于并行性的小詞匯語音識別系統特別適用。此方法第一步對問題分解，然后在多個運算單元中單獨的計算已知模式和未知模式之間的距離，并且對每個運算單元進行的計算分解。在DTW運算時要預先分配大小一定的內存。最后一步是將每一個單元的運算結果輸入到決策模塊，得到最終結論。

算法框圖如圖1所示，按照時間順序將計算出的未知語音特征矢量輸入到各個DTW流水線。然后由決策模塊依據各個流水線的計算結果以及其他信息得出結論。但由于每個參考模式的長度不同，各條流水線的計算時間是不同的，因此每條DTW流水線會設置一個完成標志位Pi（1≤i≤N），依據這些完成標志，決策模塊對已經完成計算的流水線結果進行處理。同時該算法還可以通過識別歷史來提前終止沒有完成的計算步驟。

2.2 算法分析

令特征矢量的維度為l，未知模式的長度為k，參考模式的個數為n，參考模式的總長度為p，局部判決函數的水平跨度為w，流水線條數為b。流水線的距離矩陣A的窗口平均大小為wn/p，令t為特征向量的數據類型所占的字節(jié)數，則OP-DTW算法所需的內存為wnt/p Byte。當b≥n時，算法所需時間為經典DTW的1/n；當b

3 結語

該文對一種DTW在線并行算法進行了分析，該算法相對減少了由于數據引起的等待時間；提高了DTW的并行度，并充分挖掘出硬件的計算功能，減少處理的時間。由于DTW的適用性，該算法適合一維非線性數據的匹配問題。

參考文獻

[1] 林常志.基于統計的語音識別方法分析報告[R/OL].（2003-12-26）[2009-06-13].http：//icrc.hitsz.edu.cn/data/林常志語音識技術報告.net.

[2] 李昱，林志謀，黃云鷹，等.基于短時能量和短時過零率的VAD算法及其FPGA實現[J].電子技術應用，2006，32（9）：110-113.

[3] 謝秋云，肖鐵軍.語音MFCC特征提取的FPGA實現[J].計算機工程與設計，2008，29（21）：5474-5475，5493.

[4] 高謙，張國杰，張樹才.基于FPGA的高性能MFCC特征參數提取[J].通信技術，2008，41（6）：153-154，157.