支持向量机在DSP中的实现方法研究

支持向量机是在统计学习理论基础上发展起来的一种新的模式识别方法,在解决小样本、非线性和高维模式识别问题中表现出了许多独特优势;为实现支持向量机的实时应用,提出了基于TMS320C6711DSP芯片的支持向量机的设计和实时实现方案,给出了支持向量机在模式识别中的实时应用模型和具体的硬件电路框图,对具体的硬件接口和软件编写进行了阐述;经系统仿真,该实现方法具有较好的可靠性和快速性,可以满足支持向量机的实时实现要求.     

基于DTW/SVM的语音识别系统在DSP中的实现

采用动态时间归正算法(DTW)和支持向量机(SVM)相结合产生一个新的基于径向基函数的DTW核函数实现语音识别,该方法在小词汇量及孤立词识别方面相对传统的隐马尔可夫模型有较大优势。为了满足语音识别系统对实时性和便携性的要求,提出了基于DTW/SVM的混合方法在TMS320C6711DSP芯片中实现的应用研究;给出了语音识别系统的原理框图,其中采用Mel倒谱系数为语音特征参数,应用了可变窗长端点检测技术;阐述了DSP设计中系统的软硬件设计方案及具体的接口电路,该系统使得语音识别更为快速便捷,并且具有一定的通用性。