(4)HMM训练
    本系统先使用HInit工具对HMM模型进行初始化，再用HCompv工具来对模型进行平坦初始化。HMM模型的每个状态给定相同的平均向量和变化向量，在整个训练集上全局计算而得。最后用HRest的多次估计迭代，估计出HMM模型参数的最佳值，经多次迭代，将训练得到的单个HMM模型整合到一个hmmsdef．mmf文件中。声学模型HTK训练流程如图5所示。

    3．2 Julius应用
    3．2．1 Julius部署
    在本系统中语音识别部分是部署在Atom Z510上，而Atom Z510上首先需要移植linux操作系统(本系统采用的是ubuntu8．10)以上步骤在此不详细介绍，文献中有详细说明。语音识别的核心部分是Julius识别器，需要将Julius源码编译部署到Atom Z510平台。其步骤如下：
    ①要确保linux系统中有以下支持库：Zlib、flex、OSS音频驱动接口、ESounD和libsndfile。
    ②从Julius官网下载源代码Julius-4．1．5。
    ③解压：tar-zxjf julius-4．1．5。
    ④编译：％．／configure，％make，％make install。
    3．2．2 Julius配置
    Julius全部采用C语言代码实现，采用模块化设计方式，而且各功能模块可配置。在使用前需要将配置参数写入jconf文件，此文件作为运行参数载入系统，系统扫描参数配置并启动各功能块。其中重点介绍以下几个配置参数：
    ◆-dfa rtdog．dfa，指定语法文件rtdog．dfa；
    ◆-v rtdog．DICt，指定字典文件；
    ◆-h rtdog．binhmm，指定HMM模型文件；
    ◆-lv 8000，设定音频的阈值便于滤去噪音；
    ◆-rejectshort 600，设定最小的语音长度；
    ◆-input mIC，设定语音的输入方式为microphone。
    3．3 语音识别系统软件设计
    3．3．1 GUI设计
    本系统为了方便测试，采用QT4的图形库来开发人机界面(GUI)，同时加入了手动控制的按钮。其总体功能如图6所示。通信线程是本系统的数据传输枢纽，十分重要。在QT中通过对线程类QThread继承来实现新的线程设计。该类提供了创建一个新线程以及控制线程运行的各种方法。线程是通过QThread：：run()重载函数开始执行的。在本系统中设计了1个数据通信线程，用它来不断地读取共享内存中的语音命令，然后将其转化为控制命令传给机器人控制模块。

上一页  [1] [2] [3] [4]  下一页