用DSP应对3G手机的语音识别应用

用DSP应对3G手机的语音识别应用
用DSP应对3G手机的语音识别应用
关键字：DSP ASR
数据速率高达2Mb/s的3G手机将可以支持包括数据业务和互联网连接在内的多媒体应用
。由此，人们希望大多数3G手机的屏幕更大，键盘更小。为避免小键盘带来的不便，借
助自动语音识别技术(ASR)实现语音拨号成为3G手机普遍看好的特性。如果ASR能够担当
起这一重任并使消费者满意，那么它将最终完全取代小键盘而用在3G手机上。
从设计的角度来看，ASR在实时操作以及语音格式的清晰程度与快速识别等功能性的实现
方面，需要依靠高性能数字信号处理器技术来完成所需的复杂算法。幸运的是，现代DS
P技术已取得了很大进展，它已经实现了比以往更强大的计算能力、更低的功耗和更小的
体积，可以将更复杂和更精确的ASR功能加到3G手机上。将高效、功能强大的DSP核与其
它元件及技术组合在一起，可望实现3G手机所要求的通道处理方案。
目前来看，ASR的基本应用按功能可分为三类：语音转文本(语音‘键入’)、讲话人识别和
语音命令控制。
这三种类型的功能涵盖了3G设备要用到的多种ASR特性。语音转文本的应用包括语音拨
号和电子邮件口述。讲话人识别功能可实现对个人存储数据及讲话人身份资料的安全语
音访问，能够用于诸如信用卡购物及银行业务等安全用途的访问。语音命令控制功能涉
及对语音扩展标记语言(VXML)网站内容如理财服务、目录帮助等的语音接口应用等。(V
XML目前正在成为网站内容的标准化语音标签)。
从实施方案看，3G手机ASR应用可分为以终端为中心和采用客户机/服务器结构两种类型
。如图1所示，以终端为中心的应用方案中，由3G手机完成整个语音识别过程并送出识别
结果。在客户机/服务器方案中，终端设备完成预处理和特征提取，然后通过防差错数据
通道将所得参数发给中心服务器完成识别过程。采用客户机/服务器结构，3G手机须通过
数据通道而非移动