基于DTW自学习的非特定人语音识别

    最近需要在CortexM4是做一套非特定人孤立词识别算法，研究了一下语音识别算法，目前较为广泛的是DTW、HMM和ANN，由于MCU算力有限，算法较为简单的DTW显然是不二之选。

    DTW(Dynamic TimeWarping)算法是一种模式匹配经典算法，它使用动态规划（DP）的方法成功解决了语音信号特征参数序列时间对准的问题，算法较为简单，有效，对处理器性能要求不高，在孤立词语音识别中获得了广泛应用。

       DTW算法对于特定人孤立词识别准确度较高，但是对于非特定人，其特征参数于模型库有时候会存在较大区别，从而导致识别率不高的现象。

       为解决该问题，本文尝试采用自学习方式更新模板库，从而提高设备的识别率。

步骤如下：

1、获取当前语音的特征参数后，与预置的标准特征对比。预置两种匹配度：最低匹配及高度匹配。

2、如果标准特征匹配通过，先输出匹配成功，去执行相应动作以提高响应速度。如果不通过，则开始用户特征匹配。

3、如果是高度匹配标准特征，则程序返回，否则开始用户特征匹配。

4、如果用户特征是高度匹配，则程序返回，否则开始临时特征匹配。

5、如果临时特征库不存在，则保存当前特征为临时特征。

6、如果临时特征为高度匹配，则临时特征匹配变量++。否则把当前输入保存为临时特征。

7、如果临时特征匹配变量大于预设值，意味着是同一用户语音输入，把临时特征保存为用户特征。

通过上述操作，可以自动更新经常使用该设备用户的语音特征，提高设备识别率。

模板定义：

#define FEATURE_LIB_NUM   3
#define USER_LIB_NUM      2
typedef struct Dtw_Feature_Struct
{
    Mfcc_Data FeatureLib[FEATURE_LIB_NUM]; 
    Mfcc_Data UserLib[USER_LIB_NUM];
    Mfcc_Data TempLib;
    uint8_t UserLibNum;
    uint8_t UserLibValidCnt;
}DtwFratureLib;

 程序流程：