基于DSP嵌入式說話人識別系統(tǒng)的設計

0 引 言

說話人身份識別屬于生物認證技術的一種，是一項根據(jù)語音中反映說話人生理和行為特征的語音參數(shù)來自動識別說話人身份的技術。近年來，說話人身份識別以其獨特的方便性、經濟性和準確性等優(yōu)勢受到矚目，在信息安全等領域的應用逐漸增大，并成為人們日常生活和工作中重要且普及的安全驗證方式。目前，說話人身份識別在理論上和實驗室條件下已經達到了比較高的識別精度，并開始走向實際應用階段。ATT、歐洲電信聯(lián)盟、ITT、Keyware、T-NETIX，Motorola和Vi-sa等公司相繼開展了相關實用化研究，國內這方面研究主要在中科聲學所，中科院自動化所，清華大學等研究所和大學中進行。

基于嵌入式的說話人身份識別系統(tǒng)具有高精度，適時性好，低功耗，低費用，體積小等優(yōu)勢，逐漸成為說話人身份識別面向實際應用的新熱點。而隨著DSP新技術的發(fā)展，DSP芯片無論在處理速度、精度、功耗或者體積等方面都取得了突破性的進展。DSP也越來越多的應用于說話人身份識別。但目前這方面研究主要局限于小數(shù)據(jù)量、與PC機配套使用上，沒有太大的實用價值。在此介紹一種基于TMS320C6713 DSP芯片設計的嵌入式，10個人范圍的說話人身份識別系統(tǒng)。該系統(tǒng)可以自舉運行，并可靈活的選擇訓練、識別或者更換訓練者、識別者，識別率達98％以上。

1 系統(tǒng)的架構及硬件構成

系統(tǒng)總體實現(xiàn)流程如圖1所示。系統(tǒng)主要分為訓練和識別兩部分，系統(tǒng)初始化后由操作者控制訓練或識別。訓練目的是提取說話人模型參數(shù)并將其存儲在FLASH ROM中。識別目的是讀取待識別者語音信息并將獲得的模型參數(shù)與訓練的模型參數(shù)比較，從而獲得識別結果。

1．1 系統(tǒng)的主要硬件構成

系統(tǒng)硬件構成如圖2所示，主要包含語音采集模塊、數(shù)據(jù)處理模塊(DSP)、程序數(shù)據(jù)存儲及自舉FLASH模塊、數(shù)據(jù)存儲器RAM模塊、系統(tǒng)時序邏輯控制CPLD模塊、JTAG接口模塊。

語音采集模塊主要由TLV320AIC23音頻編解碼器來完成，該芯片是TI公司的一款高性能的立體聲音頻Codec芯片，內置放大器，輸入／輸出增益可編程設置。模數(shù)，數(shù)／模轉換集成在一塊芯片中。采樣率8～96 kHz可編程實現(xiàn)。另外還具有低功耗，連接電路簡單，性價比高的特點。

語音處理DSP采用TI公司的TMS320C6713芯片，該芯片實現(xiàn)浮點運算，最高時鐘頻率225 MHz，使用該芯片外部存儲器接口可實現(xiàn)對外部存儲器(SDRAM)數(shù)據(jù)傳輸和程序存儲器(FLASH ROM)進行程序讀寫；依靠JTAG接口電路通過仿真器進行仿真調試，實現(xiàn)與主機數(shù)據(jù)交換；通過片內外設McBSP完成串行數(shù)據(jù)的接收和發(fā)送，實現(xiàn)對音頻處理模塊的控制等工作。

FLASH ROM最大可提供512 KB空間，通常為前256 KB可用。SDRAM最大容量為16 MB，為該系統(tǒng)提供較大的數(shù)據(jù)存儲空間。CPLD為存儲器的擴展實現(xiàn)邏輯編碼。電源為TPS54310芯片，可為系統(tǒng)提供3．3 V和1．26 V兩種電壓。