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。