引言

說話人識別又稱聲紋識別，是通過說話人的聲音特征進行身份認證的一種生物特征識別技術。說話人識別經(jīng)過60多年的研究，已經(jīng)逐步應用到法律、銀行等各個領域。說話人識別通過對語音信號進行處理，提取說話人語音當中的生物學個性特征，在特征空間建立不同個體的特征模型，從而實現(xiàn)說話人的識別。識別的關鍵算法包括特征提取和建立模型兩個方面，參考文獻從基本概念到特征提取，再到模型建立，對說話人識別中涉及的主要算法進行了詳細的綜述，并比較了各種算法的優(yōu)劣。

實現(xiàn)基于嵌入式的實時說話人識別系統(tǒng)是說話人識別走向應用的關鍵步驟。隨著DSP技術的發(fā)展，DSP作為數(shù)字處理專用芯片在復雜數(shù)學算法的實現(xiàn)上起著越來越重要的作用。參考文獻在DSP上實現(xiàn)了說話人確認，并應用于汽車聲紋鎖。本文以TI公司的TDSDM642EVM為平臺，實現(xiàn)了實時的說話人身份識別系統(tǒng)。

1 系統(tǒng)組成

說話人識別系統(tǒng)是一個模式識別的過程，總體上分為兩個步驟：第一個步驟是訓練說話人模型，第二個步驟是通過比對模型庫對輸入的信號進行說話人識別。其識別過程如圖1所示。

在訓練注冊階段，系統(tǒng)主要完成說話人的特征提取以及模型特征庫的建立。在識別階段，系統(tǒng)根據(jù)輸入的語言信號提取相應的特征，然后再與模型庫中的模型進行匹配判決，最后給出識別結果。

說話人識別在嵌入式系統(tǒng)中實現(xiàn)時主要完成語音采集、模型訓練、匹配識別3個任務。本文采用TDSDM642EVM平臺實現(xiàn)說話人識別系統(tǒng)，其結構框圖如圖2所示。該系統(tǒng)通過AIC23實現(xiàn)語音信號采集和播放的功能，輸入的語音信號經(jīng)過TDSDM642處理后，通過LED顯示識別結果。 ROM中包含說話人識別程序和訓練出的模型數(shù)據(jù)，并可以實時更新。SDRAM則提供了系統(tǒng)運行時所需的內(nèi)存。

2 系統(tǒng)算法描述

說話人識別的算法主要包括特征提取和模式識別兩個方面。MFCC特征參數(shù)是從頻率域提取語音信號的特征參數(shù)，并根據(jù)人耳的聽覺特性進行降維，既可減小計算復雜度，又能獲得良好的識別效果。MFCC特征提取過程如圖3所示。

說話人識別建模的方法主要有矢量量化（VQ）、高斯混合模型（GMM）、支持向量基（SVM）、人工神經(jīng)網(wǎng)絡（ANN），以及動態(tài)時間規(guī)整（DTW）等。綜合考慮嵌入式系統(tǒng)上算法的識別率和計算量，本文采用DTW方法實現(xiàn)文本相關的說話人識別。

3 定點算法實現(xiàn)和優(yōu)化

TDSDM642是TI公司推出的定點DSP芯片，具有性價比高、運算速度快的優(yōu)點，但是定點DSP對于浮點運算比較困難，因此在系統(tǒng)實現(xiàn)時需要對算法進行浮點到定點的移植。同時，為了使DSP上的代碼獲得最好的性能，還應該根據(jù)TDSDM642芯片片內(nèi)資源的特征進行優(yōu)化。優(yōu)化的方法有編譯優(yōu)化、軟件流水、內(nèi)聯(lián)函數(shù)等。通過優(yōu)化可以明顯提高代碼執(zhí)行速度，并減小代碼尺寸。

說話人識別當中，計算耗時最長的是MFCC參數(shù)的提取和參數(shù)模型的訓練，本文采用以下優(yōu)化方法。

3．1 編譯器優(yōu)化

TI公司的CCS編譯器可以對C代碼進行不同級別的優(yōu)化，通過打開不同的優(yōu)化選項，可以針對具體的硬件平臺進行不同程度的優(yōu)化，包括代碼的大小、運行的速度等。通常經(jīng)過CCS優(yōu)化的程序，運行速度已經(jīng)相當快，結構設計良好的程序能實現(xiàn)90％的優(yōu)化。如果還沒有達到系統(tǒng)設計的要求，則需要對代碼進行手工優(yōu)化。

3．2 軟件流水優(yōu)化

TDSDM642處理器采用C64x系列芯片，其內(nèi)部共有8條軟件流水線，可以8條指令并行執(zhí)行，能夠大大提高系統(tǒng)性能。恰當?shù)卦O計軟件結構，并配合合適的編譯優(yōu)化選項，可以充分利用芯片內(nèi)的軟件流水優(yōu)化提高系統(tǒng)性能。CCS的編譯優(yōu)化一般只針對最內(nèi)層的循環(huán)進行流水

優(yōu)化，并且在循環(huán)中代碼應該盡量簡單，如果循環(huán)中含有大量判斷、跳轉(zhuǎn)等指令，那么編譯出來的軟件流水會大打折扣，有時甚至無法進行流水執(zhí)行指令，這樣處理器的性能就不能充分地發(fā)揮出來。

3．3 循環(huán)展開優(yōu)化

循環(huán)展開是另一種優(yōu)化程序的方法。為了充分利用芯片內(nèi)的硬件資源，使盡可能多的指令同時并行執(zhí)行，可以采用將小循環(huán)展開的方式，使片內(nèi)資源的性能得到最大的發(fā)揮。CCS優(yōu)化編譯器通常情況下會根據(jù)程序的情況自動展開循環(huán)，編程人員也可以采用編譯指令或手工方式展開循環(huán)優(yōu)化程序。

3．4 采用內(nèi)聯(lián)函數(shù)

TI公司的C6000編譯器含有大量的內(nèi)聯(lián)函數(shù)，支持從C語言里直接調(diào)用匯編程序，從而大大提高程序的執(zhí)行速度。系統(tǒng)提供的內(nèi)聯(lián)函數(shù)還可以支持C64x系列DSP特有指令的執(zhí)行，例如數(shù)據(jù)打包相乘等操作，可以進一步提高系統(tǒng)數(shù)據(jù)處理能力。

4 實驗結果

本文在TDSDM642 EVM平臺上實現(xiàn)了實時的說話人識別系統(tǒng)。經(jīng)過對10個人的語音數(shù)據(jù)進行識別實驗，正確率達到90％，可以達到實用水平。通過改進算法和調(diào)整參數(shù)，可以進一步提高系統(tǒng)識別率，以滿足安全系統(tǒng)的更高要求。

責任編輯：gt