支持向量機(jī)語音識別算法在OMAP5912上的移植

　　隨著語音識別和語音合成技術(shù)的不斷更新與發(fā)展，將語音識別技術(shù)應(yīng)用于嵌入式產(chǎn)品中已得到廣泛應(yīng)用。SVM(支持向量機(jī))作為統(tǒng)汁概率模型已經(jīng)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(nèi)核與低功耗、增強(qiáng)型ARM926EJ-S微處理器組成的雙核應(yīng)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(shí)現(xiàn)多媒體應(yīng)用。目前存 0MAP平臺上實(shí)現(xiàn)的多媒體應(yīng)用有語音、音頻、圖像、視頻等。在實(shí)驗(yàn)室開發(fā)的基于0MAP5912嵌入式語音識別系統(tǒng)上進(jìn)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(shè)計(jì)的，如何有效地處理多類分類問題目前仍是一個(gè)持續(xù)研究的課題。采用SVM中的“一對一”方法實(shí)現(xiàn)多類分類，下面對這種方法進(jìn)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(jī)中使用這種方法。它需要構(gòu)造k(k-1)/2個(gè)分類器，每個(gè)分類器由特定的某兩類訓(xùn)練樣本訓(xùn)練得到，判定測試樣本的類別時(shí)，結(jié)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(rèn)為得票數(shù)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(shè)訓(xùn)練集

　　首先對所有的(i，j)∈{(i，j)|i≤j，i，j=1，…，K}進(jìn)行運(yùn)算：從訓(xùn)練集

　　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(gè)決策函數(shù)，如果函數(shù)