[開發紀錄] 語音辨識 - 基本結構

接下來要使用DM3730進行語音辨識的開發，

目前已由 MATLAB 測試完成基礎的語音辨識，進行程式轉換。

10/11

錄音部分已可正確錄音，並直接進行播放，在語音的能量偵測部分，出現問題，

使用電腦進行錄音，儲存成WAV檔案，可正確進行判定字數，並進行FFT後作MFCC轉換出特徵值。

猜測是ALSA MIXER 音量增益問題，預計調整混音音量再進行測試。

10/15

增益部分，太大會造成資料撞頂，辨識完全錯誤，

目前辨識率過低，不知是否樣本數過少，中心值資料不夠正確，

先針對FFT部分Q.15的運算誤差修正，重新進行驗算以及測試，

資料庫訓練架構尚未建立完成，持續進行....

10/18

16bit FFT 進行運算時，為避免溢位產生，須要先將input資料/資料筆數，

語音辨識取樣率為16000，音框使用32ms，需要512筆資料，

Input資料精度為16bit，避免溢位除512，精度減少了9bit，只剩下7bit的精度，

若減少資料筆數，將減少FFT後的頻譜精度，也會影響音框長度，增加運算複雜度，

為了避免上述的尷尬情況發生，決定更改為32bit的FFT使用，

但TI的C6Accel提供的32bit FFT，實在很不給力，使用DC值以及cosine wave進行測試，本身已存在相當程度的誤差，

後來只好放棄使用DSP，用ARM本身進行FFT運算，增加處理時間，但可減少因FFT誤差造成的錯誤。