支持向量机语音识别算法在OMAP5912上的移植

　　随着语音识别和语音合成技术的不断更新与发展，将语音识别技术应用于嵌入式产品中已得到广泛应用。SVM(支持向量机)作为统汁概率模型已经被证明是一种很好的识别模型。OMAP5912处理器是由TI公司的TMS320C55X型DSP内核与低功耗、增强型ARM926EJ-S微处理器组成的双核应用处理器。ARM核可满足控制和接口方面的需要，DSP核以其低功耗高性能来实现多媒体应用。目前存 0MAP平台上实现的多媒体应用有语音、音频、图像、视频等。在实验室开发的基于0MAP5912嵌入式语音识别系统上进行基于SVM的语音识别程序开发。

　　1 SVM多类分类方法

　　SVM最初是为处理两类分类问题而设计的，如何有效地处理多类分类问题目前仍是一个持续研究的课题。采用SVM中的“一对一”方法实现多类分类，下面对这种方法进行简单介绍。

　　S.Knerr等在1990年首次介绍了“一对一”方法。J.Friedman在1996年和U KreBel在1999年分别首次在支持向量机中使用这种方法。它需要构造k(k-1)/2个分类器，每个分类器由特定的某两类训练样本训练得到，判定测试样本的类别时，结合所有两类分类器对测试样本类别的判定意见，采用“投票法”的策略，并认为得票数最多(Max Wins)的类别就是测试样本所属的类别。具体如下：考虑K类的分类问题，设训练集

　　首先对所有的(i，j)∈{(i，j)|i≤j，i，j=1，…，K}进行运算：从训练集

　　约束条件为：

　　通过求解式(3)的最优化问题得到k(k-1)/2个决策函数，如果函数