说话人识别算法的定点DSP实现

说话人识别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)、人工神经网络(ANN)，以及动态时间规整(DTW)等。综合考虑嵌入式系统上算法的识别率和计算量，本文采用DTW方法实现文本相关的说话人识别。

3 定点算法实现和优化
TDSDM642是TI公司推出的定点DSP芯片，具有性价比高、运算速度快的优点，但是定点DSP对于浮点运算比较困难，因此在系统实现时需要对算法进行浮点到定点的移植。同时，为了使DSP上的代码获得最好的性能，还应该根据TDSDM642芯片片内资源的特征进行优化。优化的方法有编译优化、软件流水、内联函数等。通过优化可以明显提高代码执行速度，并减小代码尺寸。
说话人识别当中，计算耗时最长的是MFCC参数的提取和参数模型的训练，本文采用以下优化方法。
3．1 编译器优化
TI公司的CCS编译器可以对C代码进行不同级别的优化，通过打开不同的优化选项，可以针对具体的硬件平台进行不同程度的优化，包括代码的大小、运行的速度等。通常经过CCS优化的程序，运行速度已经相当快，结构设计良好的程序能实现90％的优化。如果还没有达到系统设计的要求，则需要对代码进行手工优化。
3．2 软件流水优化
TDSDM642处理器采用C64x系列芯片，其内部共有8条软件流水线，可以8条指令并行执行，能够大大提高系统性能。恰当地设计软件结构，并配合合适的编译优化选项，可以充分利用芯片内的软件流水优化提高系统性能。CCS的编译优化一般只针对最内层的循环进行流水
优化，并且在循环中代码应该尽量简单，如果循环中含有大量判断、跳转等指令，那么编译出来的软件流水会大打折扣，有时甚至无法进行流水执行指令，这样处理器的性能就不能充分地发挥出来。
3．3 循环展开优化
循环展开是另一种优化程序的方法。为了充分利用芯片内的硬件资源，使尽可能多的指令同时并行执行，可以采用将小循环展开的方式，使片内资源的性能得到最大的发挥。CCS优化编译器通常情况下会根据程序的情况自动展开循环，编程人员也可以采用编译指令或手工方式展开循环优化程序。
3．4 采用内联函数
TI公司的C6000编译器含有大量的内联函数，支持从C语言里直接调用汇编程序，从而大大提高程序的执行速度。系统提供的内联函数还可以支持C64x系列DSP特有指令的执行，例如数据打包相乘等操作，可以进一步提高系统数据处理能力。

4 实验结果
本文在TDSDM642 EVM平台上实现了实时的说话人识别系统。经过对10个人的语音数据进行识别实验，正确率达到90％，可以达到实用水平。通过改进算法和调整参数，可以进一步提高系统识别率，以满足安全系统的更高要求。