支持向量機(jī)語音識(shí)別算法在OMAP5912上的移植

　　2.4.4 拷貝根文件系統(tǒng)

　　拷貝根文件系統(tǒng)到/data/rootfs2.6目錄下，這時(shí)就可以啟動(dòng)minicom，作為虛擬終端，可以通過它來操作開發(fā)板。

　　2.5 修改開發(fā)板啟動(dòng)項(xiàng)

　　bootargs參數(shù)設(shè)置Linux系統(tǒng)啟動(dòng)時(shí)掛載在NOR Flash上的JFFS2根文件系統(tǒng)。掛載宿主機(jī)上的網(wǎng)絡(luò)文件系統(tǒng)，則bootargs參數(shù)應(yīng)設(shè)置

　　setenv bootargs=console=ttyS0，115200n8 noinitrd rw ip=192.168.0.158 root=/dev/nfs nfsroot=192.168.0.204：/data/rootfs2.6.nolock mem=62M

　　#sayenv保存設(shè)置后重啟u-boot，之后將順利進(jìn)入到開發(fā)板，調(diào)試應(yīng)用程序。

　　3 實(shí)驗(yàn)及結(jié)果分析

　　基于VC++6.0編程實(shí)現(xiàn)一種多類分類SVMs算法，PC機(jī)環(huán)境為Ubuntu version 2.6.27，開發(fā)板為Omap5912的ARM926ej-s，其環(huán)境為Lin-ux version 2.6.18;Boot Loader采用u-boot version 1.1.6;交叉編譯工具鏈arm-linux-gcc version3.4.1。

　　采用16個(gè)人分別對(duì)50個(gè)詞的孤立詞發(fā)音，在不同信噪比下(15、20、25、30 dB和無噪音)得到的語音數(shù)據(jù)作為樣本，采用由MFCC特征提取算法得到的特征參數(shù)作為識(shí)別網(wǎng)絡(luò)的輸入。語音信號(hào)采樣率為11.025 kHz，幀長N=256點(diǎn)，幀移M=128點(diǎn)。詞匯量分別為10、20、30、40和50個(gè)詞。訓(xùn)練樣本由9人每人對(duì)每詞在15、20、25、30 dB、無噪音下發(fā)音3次得到.測試樣本由另外7人在相應(yīng)SNR下對(duì)每詞發(fā)音3次得到。識(shí)別算法采用RBF核函數(shù)的SVM算法，采用交叉驗(yàn)證和網(wǎng)格搜索法進(jìn)行核參數(shù)選擇并建立模型，對(duì)測試樣本進(jìn)行分類識(shí)別。核函數(shù)參數(shù)取最優(yōu)為(c，y)=(32.0，O.000 122 070 312 5)。實(shí)驗(yàn)結(jié)果見表l所示，識(shí)別率均在95%以上。表1中同時(shí)列出同樣條件下使用HMM識(shí)別網(wǎng)絡(luò)的識(shí)別結(jié)果。

　　HMM模型是典型的語音識(shí)別模型，它是目前語音識(shí)別效果最好的少數(shù)幾種方法之一。在相同特征參數(shù)下將SVM與HMM模型進(jìn)行對(duì)比，從實(shí)驗(yàn)結(jié)果看出：1)SVM比HMM模型具有更高的識(shí)別率;2)比較相同信噪比和詞匯量下的測試精度，可發(fā)現(xiàn)HMM模型的測試精度有明顯下降，而SVM的測試結(jié)果下降較少，說明SVM比HMM模型具有更強(qiáng)推廣性。

　　4 結(jié)束語

　　提出一種基于SVM的0MAP5912非特定人嵌入式語音識(shí)別系統(tǒng)的實(shí)現(xiàn)方法。在搭建的開發(fā)環(huán)境下運(yùn)用SVM算法巾的“一對(duì)一”方法進(jìn)行語音識(shí)別，獲得良好結(jié)果。通過實(shí)驗(yàn)可以得出，對(duì)中小詞匯量采用MFCC特征參數(shù)，“一對(duì)一”SVM作為后端識(shí)別方法可以得到較好的識(shí)別結(jié)果，比傳統(tǒng)的HMM模型有明顯優(yōu)勢。同時(shí)SVM算法作為應(yīng)用程序集成到0MAP5912嵌入式系統(tǒng)里，存儲(chǔ)量需求小，能夠滿足實(shí)用要求。