本發(fā)明實(shí)施例涉及電子技術(shù)，尤其涉及一種用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法、裝置及系統(tǒng)。

背景技術(shù)：

語義識別可以分為特定人的語音識別和非特定人的語音識別，其目的在于理解話語中的單詞和句子，也就是對語音中的內(nèi)容進(jìn)行識別。對于特定人語音識別模式，語音識別的對象主要是針對特定的一個人或者若干個人，通過對特定的人的語音樣本進(jìn)行訓(xùn)練，對其中的語音特征參數(shù)進(jìn)行提取，實(shí)現(xiàn)對該特定的人的有效識別；而對于非特定人的語音識別，針對的則是大眾人群，在產(chǎn)品出廠之前就已經(jīng)完成參數(shù)的訓(xùn)練，不需要由用戶進(jìn)行訓(xùn)練，非特定人的語音識別理論上的目標(biāo)是能夠?qū)θ我挥脩舻恼Z音輸入進(jìn)行識別，由于以上更高的要求，非特定人的語音識別必須采集大量的語音樣本進(jìn)行訓(xùn)練，才能夠?qū)θ我挥脩舻目赡茌斎氲恼Z音特性進(jìn)行涵蓋，因此，難度高于特定人的語音識別。

在進(jìn)行語音識別的過程中，需要由當(dāng)前的語音設(shè)備對用戶的輸入語音進(jìn)行采集，對用戶的語音參數(shù)進(jìn)行分析與處理，將以上的信息進(jìn)行計算，最終得到語音識別的結(jié)果。通常進(jìn)行計算的過程中，語音設(shè)備需要將輸入的語音信號轉(zhuǎn)換為數(shù)字信號，才能夠由語音識別模塊進(jìn)行分析與處理。因此，語音設(shè)備是需要集成模擬數(shù)字轉(zhuǎn)換器(adc)模塊，將用戶的模擬信號轉(zhuǎn)換為數(shù)字信號。同時，模擬數(shù)字轉(zhuǎn)換器(adc)模塊的性能對語音識別的效果具有重要的影響，為了得到較為理想的語音識別效果，需要對模擬數(shù)字轉(zhuǎn)換器(adc)模塊進(jìn)行有效合理地設(shè)計。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法和裝置，實(shí)現(xiàn)有效設(shè)計符合語音識別應(yīng)用需求的sigma-deltaadc，提升使用該sigma-deltaadc進(jìn)行模數(shù)轉(zhuǎn)處理的語音識別模塊的性能。

第一方面，本發(fā)明實(shí)施例提供一種用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法，所述模數(shù)轉(zhuǎn)換器包括調(diào)制器、級聯(lián)積分梳狀cic濾波器和fir濾波器，所述設(shè)計方法包括：

將預(yù)設(shè)的模擬語音信號輸入利用初始參數(shù)設(shè)計的所述模數(shù)轉(zhuǎn)換器；

若所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號不符合預(yù)設(shè)條件，則根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值；

其中，所述初始參數(shù)包括以下中的至少一種：所述調(diào)制器的階數(shù)、所述cic濾波器的抽取率和階數(shù)、所述fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)。

第二方面，本發(fā)明實(shí)施例提供一種用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計裝置，所述模數(shù)轉(zhuǎn)換器包括調(diào)制器、級聯(lián)積分梳狀cic濾波器和fir濾波器，所述裝置包括；

輸入模塊，用于將預(yù)設(shè)的模擬語音信號輸入利用初始參數(shù)設(shè)計的所述模數(shù)轉(zhuǎn)換器；

計算模塊，用于當(dāng)所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號不符合預(yù)設(shè)條件時，根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值；

其中，所述初始參數(shù)包括以下中的至少一種：所述調(diào)制器的階數(shù)、所述cic濾波器的抽取率和階數(shù)、所述fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)。

第三方面，本發(fā)明實(shí)施例提供一種用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計系統(tǒng)，所述系統(tǒng)包括；sigma-delta模數(shù)轉(zhuǎn)換器、語音識別模塊和sigma-delta參數(shù)調(diào)整模塊，所述sigma-delta模數(shù)轉(zhuǎn)換器包括調(diào)制器、級聯(lián)積分梳狀cic濾波器和fir濾波器；

所述sigma-delta模數(shù)轉(zhuǎn)換器，用于使用初始參數(shù)對預(yù)設(shè)的模擬語音信號進(jìn)行模數(shù)轉(zhuǎn)換處理；

所述語音識別模塊，用于判斷所述sigma-delta模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號是否符合預(yù)設(shè)條件；

所述sigma-delta參數(shù)調(diào)整模塊，用于當(dāng)所述sigma-delta模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號不符合預(yù)設(shè)條件時，根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值；

其中，所述初始參數(shù)包括以下中的至少一種：所述調(diào)制器的階數(shù)、所述cic濾波器的抽取率和階數(shù)、所述fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)。

本發(fā)明實(shí)施例用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法和裝置，通過將預(yù)設(shè)的模擬語音信號輸入利用初始參數(shù)設(shè)計的用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器，若該sigma-delta模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號不符合預(yù)設(shè)條件，則根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值，利用該最優(yōu)值設(shè)計用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器，實(shí)現(xiàn)有效設(shè)計符合語音識別應(yīng)用需求的sigma-deltaadc，提升使用該sigma-deltaadc進(jìn)行模數(shù)轉(zhuǎn)換處理的語音識別模塊的語音識別性能。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計系統(tǒng)的結(jié)構(gòu)示意圖；

圖2為本發(fā)明用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法實(shí)施例一的流程圖；

圖3a為本發(fā)明sigma-deltaadc1實(shí)施例一的結(jié)構(gòu)示意圖；

圖3b為本發(fā)明一階sigma-delta調(diào)制器的結(jié)構(gòu)示意圖；

圖3c為本發(fā)明數(shù)字低通濾波器12和抽取器13的結(jié)構(gòu)示意圖；

圖4為本發(fā)明用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法實(shí)施例二的流程圖；

圖5為本發(fā)明用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計裝置實(shí)施例一的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本文所涉及的sigma-deltaadc工作于過采樣率下，可以實(shí)現(xiàn)將輸入信號及相對應(yīng)的量化噪聲分別經(jīng)過低通環(huán)路濾波器以及高階高通濾波器進(jìn)行處理。因此，在輸出端，信號是由延遲的輸入信號以及經(jīng)過高階高通濾波器整形后的量化噪聲組成的，從而可以將量化噪聲從帶內(nèi)無限制的移到帶外，而轉(zhuǎn)換精度可以達(dá)到僅受器件熱噪聲在物理上限制的轉(zhuǎn)換精度。此外，在標(biāo)準(zhǔn)的cmos工藝下，sigma-deltaadc無需模擬元件的精確匹配來實(shí)現(xiàn)較高精度。sigma-deltaadc能夠獲得較好的采樣效果，可以將sigma-deltaadc應(yīng)用于語音識別模塊中，有效提升語音識別模塊的性能。設(shè)計sigma-deltaadc涉及多個參數(shù)，例如濾波器的級聯(lián)級數(shù)等，利用不同的參數(shù)設(shè)計的sigma-deltaadc其應(yīng)用于語音識別處理的性能也不盡相同。本發(fā)明下述實(shí)施例提供的方法可以有效獲取滿足語音識別模塊性能需求的sigma-deltaadc的參數(shù)，提升設(shè)置有利用該參數(shù)設(shè)計的sigma-deltaadc進(jìn)行模數(shù)轉(zhuǎn)換處理的語音識別模塊的語音識別性能。

圖1為本發(fā)明實(shí)施例的一種用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計系統(tǒng)的結(jié)構(gòu)示意圖，如圖1所示，本發(fā)明實(shí)施例用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計系統(tǒng)，具體可以包括：sigma-deltaadc1、語音識別模塊2和sigma-deltaadc參數(shù)調(diào)整模塊3。在實(shí)現(xiàn)sigma-deltaadc設(shè)計中，首先由sigma-deltaadc1利用初始參數(shù)生成最初版本的sigma-deltaadc，之后，由語音識別模塊2對當(dāng)前的sigma-deltaadc的語音識別效果進(jìn)行分析，將得到的語音識別結(jié)果提供給sigma-deltaadc參數(shù)調(diào)整模塊3，sigma-deltaadc參數(shù)調(diào)整模塊3對語音識別結(jié)果進(jìn)行分析，確定是否調(diào)整初始參數(shù)，如果調(diào)整，則將調(diào)整后的參數(shù)提供給sigma-deltaadc1。sigma-deltaadc1利用調(diào)整后的參數(shù)生成下一版本的sigma-deltaadc，語音識別模塊2和sigma-deltaadc參數(shù)調(diào)整模塊3將繼續(xù)進(jìn)行語音識別效果分析與參數(shù)調(diào)整過程，循環(huán)以上的過程，直至利用調(diào)整后的參數(shù)設(shè)計的sigma-deltaadc符合語音識別的性能要求。

圖2為本發(fā)明用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法實(shí)施例一的流程圖，本實(shí)施例的執(zhí)行主體可以為用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計裝置，該裝置可以通過軟件和/或硬件實(shí)現(xiàn)，該用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計裝置可以實(shí)現(xiàn)圖1所示的語音識別模塊2和sigma-deltaadc參數(shù)調(diào)整模塊3的功能。其中，該sigma-delta模數(shù)轉(zhuǎn)換器可以包括調(diào)制器、級聯(lián)積分梳狀cic濾波器和fir濾波器。如圖2所示，本實(shí)施例的方法可以包括：

步驟101、將預(yù)設(shè)的模擬語音信號輸入利用初始參數(shù)設(shè)計的所述模數(shù)轉(zhuǎn)換器。

其中，預(yù)設(shè)的模擬語音信號具體可以是孤立詞(isolatedword)、連接詞(connectedword)或連續(xù)詞語(continuousspeech)的模擬信號。在步驟101中初始參數(shù)的具體取值可以是隨機(jī)設(shè)置，利用該初始參數(shù)設(shè)計得到一個用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器。將預(yù)設(shè)的模擬語音信號輸入至利用該初始參數(shù)設(shè)計的用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器。

步驟102、若所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號不符合預(yù)設(shè)條件，則根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值。

其中，所述初始參數(shù)可以包括以下中的至少一種：所述調(diào)制器的階數(shù)、所述cic濾波器的抽取率和階數(shù)、所述fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)。該初始參數(shù)包括的具體內(nèi)容可以根據(jù)設(shè)計sigma-deltaadc的具體結(jié)構(gòu)進(jìn)行靈活調(diào)整。

具體的，利用該初始參數(shù)設(shè)計的用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器對預(yù)設(shè)的模擬語音信號進(jìn)行模數(shù)轉(zhuǎn)換處理，輸出數(shù)字信號，如果輸出的數(shù)字信號不符合預(yù)設(shè)條件，則需要調(diào)整初始參數(shù)的具體取值，初始參數(shù)的不同取值對應(yīng)的用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的處理性能也不盡相同，步驟102可以根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值，以利用該最優(yōu)值設(shè)計用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器，以獲取最優(yōu)處理性能。

其中，該預(yù)設(shè)條件具體可以是性能需求和/或成本需求。該預(yù)設(shè)設(shè)計需求可以根據(jù)需要進(jìn)行靈活設(shè)置。如果滿足，則采用該初始參數(shù)設(shè)計sigma-deltaadc，如果不滿足預(yù)設(shè)條件，則根據(jù)優(yōu)化算法計算該初始參數(shù)的最優(yōu)值。

可選的，該預(yù)設(shè)條件可以包括：所述數(shù)字語音信號中孤立詞、連接詞或連續(xù)詞語相對于標(biāo)準(zhǔn)語音信號的準(zhǔn)確率大于第一預(yù)設(shè)閾值，其中，所述標(biāo)準(zhǔn)語音信號為采用預(yù)設(shè)精度的模數(shù)轉(zhuǎn)換器對所述預(yù)設(shè)的模擬語音信號進(jìn)行模數(shù)轉(zhuǎn)換仿真得到的數(shù)字信號；和/或，所述數(shù)字語音信號中孤立詞的區(qū)分度大于第二預(yù)設(shè)閾值。

其中，標(biāo)準(zhǔn)語音信號為使用預(yù)設(shè)精度的sigma-deltadc處理的結(jié)果，具體的該預(yù)設(shè)精度可以選取大于一定閾值的精度，該預(yù)設(shè)精度越高實(shí)現(xiàn)效果越好，當(dāng)預(yù)設(shè)精度較高時，實(shí)現(xiàn)起來需要花費(fèi)較高的成本，在進(jìn)行用于語音識別的sigma-deltadc的實(shí)際設(shè)計過程中通常是適當(dāng)?shù)貙Ω呔鹊腶dc的設(shè)計指標(biāo)進(jìn)行調(diào)整，以利于系統(tǒng)實(shí)現(xiàn)成本的降低。高精度的sigma-deltadc作為實(shí)驗(yàn)階段進(jìn)行使用當(dāng)前初始參數(shù)設(shè)計的sigma-deltadc的處理性能的評估。

上述第一預(yù)設(shè)閾值和第二預(yù)設(shè)閾值的具體取值可以根據(jù)需求進(jìn)行靈活設(shè)置。

上述步驟102的一種可實(shí)現(xiàn)方式可以為：比較所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號中孤立詞、連接詞或連續(xù)詞語相對于標(biāo)準(zhǔn)語音信號的準(zhǔn)確率與第一預(yù)設(shè)閾值，若所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號中孤立詞、連接詞或連續(xù)詞語相對于標(biāo)準(zhǔn)語音信號的準(zhǔn)確率小于第一預(yù)設(shè)閾值，則根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值。

即采用準(zhǔn)確率的評判標(biāo)準(zhǔn)對利用初始參數(shù)設(shè)計的sigma-deltaadc進(jìn)行評估。

具體的，可以對高精度adc模塊與當(dāng)前初始參數(shù)設(shè)計adc模塊的孤立詞、連接詞或連續(xù)詞的識別的準(zhǔn)確率進(jìn)行比較分析。即通過與實(shí)驗(yàn)階段的高精度adc比對，根據(jù)比對結(jié)果調(diào)整初始參數(shù)，直至獲取到滿足預(yù)設(shè)條件的初始參數(shù)，該滿足預(yù)設(shè)條件的初始參數(shù)可以用于實(shí)際批量生產(chǎn)，以在滿足語音識別性能需求的基礎(chǔ)上，有效降低成本。

上述步驟102的另一種可實(shí)現(xiàn)方式可以為：比較所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號中孤立詞的區(qū)分度與第二預(yù)設(shè)閾值，若所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號中孤立詞的區(qū)分度小于第二預(yù)設(shè)閾值，則根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值。

即采用對對孤立詞識別的區(qū)分程度對利用初始參數(shù)設(shè)計的sigma-deltaadc進(jìn)行評估。

本實(shí)施例，通過將預(yù)設(shè)的模擬語音信號輸入利用初始參數(shù)設(shè)計的用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器，若該sigma-delta模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號不符合預(yù)設(shè)條件，則根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值，利用該最優(yōu)值設(shè)計用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器，實(shí)現(xiàn)有效設(shè)計符合語音識別應(yīng)用需求的sigma-deltaadc，可以有效提升使用該sigma-deltaadc進(jìn)行模數(shù)轉(zhuǎn)處理的語音識別模塊的性能。

圖3a為本發(fā)明sigma-deltaadc1實(shí)施例一的結(jié)構(gòu)示意圖，圖3b為本發(fā)明一階sigma-delta調(diào)制器的結(jié)構(gòu)示意圖，圖3c為本發(fā)明sigma-deltaadc1的數(shù)字低通濾波器12和抽取器13的具體結(jié)構(gòu)示意圖。如圖3a所示，本實(shí)施例的sigma-deltaadc1具體可以包括：sigma-delta調(diào)制器11、數(shù)字低通濾波器12和抽取器13。其中，sigma-delta調(diào)整器11用于在過采樣率下對輸入的模擬信號進(jìn)行噪聲整形，并將輸出的信號提供給數(shù)字低通濾波器12，數(shù)字低通濾波器12用于進(jìn)行低通濾波，并將輸出的信號提供給抽取器13，由抽取器13輸出數(shù)字信號。

根據(jù)奈奎斯特采樣定律，要從抽樣信號中無失真地恢復(fù)原信號，抽樣頻率應(yīng)大于2倍信號最高頻率。兩倍信號最高頻率稱為奈奎斯特頻率，設(shè)為fs。而sigma-deltaadc1使用了過采樣處理，假設(shè)當(dāng)前信號的奈奎斯特頻率是fs，而sigma-deltaadc1的過采樣率設(shè)置為m，則有實(shí)際的采樣率為fs’＝m*fs。在采樣的過程中，受到采樣精度的影響，將會引入量化噪聲，一般其功率在采樣頻段上是均勻分布的。如果提升采樣率，將會增加采樣頻段的范圍，相應(yīng)量化噪聲的分布范圍加寬，對應(yīng)的功率幅度值會下降。設(shè)采樣的精度是n比特(bit)，過采樣率設(shè)置為m，則有，相應(yīng)的信噪比為：

snr＝10×logm+6.02*n+1.76db(1)

由(1)式，單純使用提升采樣率的方法對信噪比的提升是有限的，因此，sigma-deltaadc1對經(jīng)過模擬抗混疊濾波器的模擬輸入信號使用了sigma-delta調(diào)制器11進(jìn)行處理。sigma-delta調(diào)制器11的作用是對噪聲進(jìn)行整形，將原先均勻分布的量化噪聲進(jìn)行改變，將量化噪聲整形到基帶之外的高頻部分，再使用數(shù)字低通濾波器12將基帶之外高頻區(qū)域的量化噪聲進(jìn)行濾除，因此在基帶中的量化噪聲將會得到有效抑制，有利于提升信噪比。

sigma-delta調(diào)制器11的傳輸函數(shù)的一般形式為：

其中x(z)和e(z)分別是輸入信號和量化誤差的z變換。當(dāng)a(z)是一個很大的直流增益時，信號的傳輸函數(shù)近似等于1，而對于基帶中的量化噪聲得到了抑制。

在具體的實(shí)現(xiàn)過程中，sigma-delta調(diào)制器12可以采用不同的階數(shù)，一階sigma-delta調(diào)制器的框圖如圖3b所示的結(jié)構(gòu)，其中包含了被延遲了一個采樣周期的輸入x(z)和一個經(jīng)過一階高通整形的量化噪聲e(z)，其輸出為：

y(z)＝z^-1x(z)+(1-z^-1)e(z)(3)

二階sigma-delta調(diào)制器是將一階sigma-delta調(diào)制器中的量化器用另一個一階sigma-delta調(diào)制器所代替，其輸出為：

y(z)＝z^-1x(z)+(1-z^-1)²e(z)(4)

當(dāng)sigma-delta調(diào)制器的階數(shù)為l時，輸出為：

y(z)＝z^-1x(z)+(1-z^-1)^le(z)(5)

隨著階數(shù)的增加，可以有效地抑制帶內(nèi)量化噪聲，但調(diào)制器的階數(shù)并不能無限的增大。因?yàn)閷τ趩蝏it調(diào)制器，當(dāng)階數(shù)達(dá)到三階或三階以上時，其穩(wěn)定性是很難保證的?？梢酝ㄟ^穩(wěn)定的一階調(diào)制器和二階調(diào)制器級聯(lián)的方式來實(shí)現(xiàn)高階調(diào)制器。

數(shù)字低通濾波器12和抽取器13通常是聯(lián)合在一起進(jìn)行實(shí)現(xiàn)的，數(shù)字低通濾波器12和抽取器13的結(jié)構(gòu)可以如圖3c所示。對于sigma-delta調(diào)制器輸出的信號，首先由cic濾波器進(jìn)行濾波處理，實(shí)現(xiàn)m倍降采樣，隨后，由fir濾波器進(jìn)行濾波處理，實(shí)現(xiàn)n倍降采樣。通過兩個模塊的處理，實(shí)現(xiàn)了m*n倍的降采樣。引入cic濾波器的原因是如果直接使用fir濾波器對sigma-delta調(diào)制器輸出的信號進(jìn)行處理，則fir濾波器需要使用較高的階數(shù)，同時，fir濾波器工作在較高的頻率下，以上將會導(dǎo)致整個系統(tǒng)的功耗和成本指標(biāo)不理想。而級聯(lián)積分梳狀(cic)濾波器是一種結(jié)構(gòu)十分簡單的數(shù)字濾波器，不需要進(jìn)行乘法運(yùn)算，用作抗混疊濾波器，并實(shí)現(xiàn)采樣率的降低，使得后級濾波器可以工作在較低的頻率下，以便有效的降低功耗。同時，使后級的fir濾波器可以以較低的階數(shù)進(jìn)行實(shí)現(xiàn)，改善了整個系統(tǒng)的性能。

cic濾波器在絕大多數(shù)的應(yīng)用中抽取因子m等于梳狀結(jié)構(gòu)的延遲d。單階cic濾波器在z域的傳輸函數(shù)如公式(6)所示：

抽取濾波器需要考慮的一個關(guān)鍵問題就是在抽取后的頻譜混疊。對于單階的cic，高頻區(qū)域?qū)?yīng)通道的頻率段的衰減有限，因此在降采樣處理之后，對應(yīng)區(qū)域中的未有效抑制的頻率信息將會混疊到通帶b中。

為了改善cic濾波器抗混疊和去鏡像的效果，通常采用增加cic濾波器的階數(shù)的方式，對應(yīng)通道的高頻頻率段的阻帶衰減增加，進(jìn)行有效的抑制，避免混疊到通帶b中。但是在增加cic濾波器的階數(shù)之后，cic濾波器的通帶中也將會引入衰減的問題。通?？梢栽趕igma-deltaadc1中加入對cic濾波器通帶衰減問題的補(bǔ)償模塊。

在經(jīng)過cic濾波器處理之后，信號的采樣頻率得到有效降低。但是由于cic濾波器的頻率特性所限，它不可能非常有效的濾除帶外噪聲，并且由于cic濾波器存在帶內(nèi)衰減，因此，需要引入頻率特性更好的fir濾波器來更有效地濾除帶外噪聲并補(bǔ)償cic濾波器的通帶內(nèi)衰減。

對于一個fir濾波器來說，其基本的性能指標(biāo)有通帶邊緣頻率，阻帶邊緣頻率，通帶波紋及阻帶波紋。同時，fir濾波器在實(shí)現(xiàn)的過程中，通常以半帶濾波器和二倍抽取因子組合的方法，進(jìn)行多級的級聯(lián)實(shí)現(xiàn)。每經(jīng)過一級半帶濾波器，信號的采樣率將會減半。而半帶濾波器主要的特點(diǎn)是它的近一半的濾波器系數(shù)為零，因此也使計算量減少了一半，進(jìn)而可以有效節(jié)省硬件資源。這一特性使得半帶濾波器在多速率信號處理中有著廣泛的應(yīng)用。

在fir濾波器的實(shí)際應(yīng)用中，濾波器的輸入、濾波器的系數(shù)以及濾波器運(yùn)算的位數(shù)都是有限長的。從計算效率以及硬件成本等方面考慮，這些位數(shù)要盡可能的小，但同時這也將引起濾波器性能的下降，這種由于采用有限位數(shù)而帶來的問題稱為有限字長效應(yīng)。

由此可見，在sigma-deltaadc的設(shè)計過程中，需要進(jìn)行確定的參數(shù)包括如圖2所示實(shí)施例所述的調(diào)制器的階數(shù)、cic濾波器的抽取率和階數(shù)、fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)等等。即需要確定本發(fā)明實(shí)施例的初始參數(shù)，以選取合適的初始參數(shù)對sigma-deltaadc進(jìn)行實(shí)現(xiàn)，從而提升使用該sigma-deltaadc進(jìn)行模數(shù)轉(zhuǎn)處理的語音識別模塊的識別效果。

圖4為本發(fā)明用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計方法實(shí)施例二的流程圖，如圖4所示，本實(shí)施例的方法可以包括：

步驟201、隨機(jī)初始化初始參數(shù)。

具體的，對調(diào)制器的階數(shù)、cic濾波器的抽取率和階數(shù)、fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)等參數(shù)隨機(jī)初始化取值。

步驟202、使用初始化的初始參數(shù)配置sigma-deltaadc，得到利用初始化的初始參數(shù)設(shè)計的模數(shù)轉(zhuǎn)換器，使用該初始化的初始參數(shù)設(shè)計的模數(shù)轉(zhuǎn)換器對輸入的預(yù)設(shè)的模擬語音信號進(jìn)行模數(shù)轉(zhuǎn)換處理，輸出該初始化的初始參數(shù)對應(yīng)的數(shù)字語音信號。

步驟203、判斷該初始化的初始參數(shù)對應(yīng)的數(shù)字語音信號是否符合預(yù)設(shè)條件，若不符合，則執(zhí)行步驟204，若符合則使用該初始化的初始參數(shù)設(shè)計sigma-deltaadc。

步驟204、對初始參數(shù)進(jìn)行編碼，利用優(yōu)化算法產(chǎn)生下一代的初始參數(shù)。

該初始參數(shù)具體可以包括的上述各個參數(shù)，調(diào)制器的階數(shù)、cic濾波器的抽取率和階數(shù)、fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)等。

其中，優(yōu)化算法具體可以包括遺傳算法、粒子群優(yōu)化算法、多目標(biāo)優(yōu)化算法中任意一項。當(dāng)然還可以選擇其他優(yōu)化算法，本發(fā)明實(shí)施例不以此作為限制。

以遺傳算法做舉例說明，通過復(fù)制、交叉、變異以及其它算法的操作產(chǎn)生下一代的初始參數(shù)。

步驟205、使用下一代的初始參數(shù)設(shè)計sigma-deltaadc，得到利用下一代的初始參數(shù)設(shè)計的sigma-deltaadc，使用該下一代的初始參數(shù)設(shè)計的sigma-deltaadc進(jìn)行模數(shù)轉(zhuǎn)換處理，輸出該下一代的初始參數(shù)對應(yīng)的數(shù)字語音信號。

步驟206、判斷該下一代的初始參數(shù)對應(yīng)的數(shù)字語音信號是否滿足預(yù)設(shè)條件，若不滿足，則執(zhí)行步驟204，若滿足則執(zhí)行步驟207。

步驟207、使用該下一代的初始參數(shù)設(shè)計sigma-deltaadc。

通過以上的優(yōu)化算法，能夠?qū)崿F(xiàn)對初始參數(shù)的最優(yōu)解的自動搜索，得到編碼后的初始參數(shù)的最優(yōu)解，并解碼該最優(yōu)解以得到初始參數(shù)的最優(yōu)值，有利于有效獲取到sigma-deltaadc設(shè)計的最優(yōu)參數(shù)，改善人工手動調(diào)整參數(shù)時的低效問題。

通過本實(shí)施例的方法，能夠使設(shè)計的sigma-deltaadc符合語音識別的應(yīng)用要求。同時，在初始參數(shù)設(shè)計的過程中，采用遺傳算法等搜索方法，能夠?qū)igma-deltaadc方案設(shè)計實(shí)現(xiàn)效率進(jìn)行提升。

圖5為本發(fā)明用于語音識別的sigma-delta模數(shù)轉(zhuǎn)換器的設(shè)計裝置實(shí)施例一的結(jié)構(gòu)示意圖，所述模數(shù)轉(zhuǎn)換器包括調(diào)制器、級聯(lián)積分梳狀cic濾波器和fir濾波器，如圖5所示，本實(shí)施例的裝置可以包括：輸入模塊11和計算模塊12，其中，輸入模塊11用于將預(yù)設(shè)的模擬語音信號輸入利用初始參數(shù)設(shè)計的所述模數(shù)轉(zhuǎn)換器，計算模塊12用于當(dāng)所述模數(shù)轉(zhuǎn)換器輸出的數(shù)字語音信號不符合預(yù)設(shè)條件時，根據(jù)優(yōu)化算法計算初始參數(shù)的最優(yōu)值，其中，所述初始參數(shù)包括以下中的至少一種：所述調(diào)制器的階數(shù)、所述cic濾波器的抽取率和階數(shù)、所述fir濾波器的抽取率、通帶邊緣頻率、阻帶邊緣頻率、通帶波紋、阻帶波紋、fir濾波器的級聯(lián)級數(shù)、fir濾波器系數(shù)的量化位數(shù)。

可選的，所述計算模塊12可以包括：編碼模塊121和搜索編碼單元122，其中，編碼單元121用于對所述初始參數(shù)進(jìn)行編碼，搜索解碼單元122用于利用優(yōu)化算法循環(huán)迭代搜索編碼后的初始參數(shù)的最優(yōu)解，并解碼所述最優(yōu)解以得到所述初始參數(shù)的最優(yōu)值。

可選的，所述優(yōu)化算法包括遺傳算法、粒子群優(yōu)化算法或者多目標(biāo)優(yōu)化算法。

可選的，所述預(yù)設(shè)條件包括：所述數(shù)字語音信號中孤立詞、連接詞或連續(xù)詞語相對于標(biāo)準(zhǔn)語音信號的準(zhǔn)確率大于第一預(yù)設(shè)閾值，其中，所述標(biāo)準(zhǔn)語音信號為對所述預(yù)設(shè)的模擬語音信號采用高精度的模數(shù)轉(zhuǎn)換器進(jìn)行模數(shù)轉(zhuǎn)換仿真得到的數(shù)字信號；和/或，所述數(shù)字語音信號中孤立詞的區(qū)分度大于第二預(yù)設(shè)閾值。

本實(shí)施例的裝置，可以用于執(zhí)行上述方法實(shí)施例的技術(shù)方案，其實(shí)現(xiàn)原理和技術(shù)效果類似，此處不再贅述。

本領(lǐng)域普通技術(shù)人員可以理解：實(shí)現(xiàn)上述各方法實(shí)施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成。前述的程序可以存儲于一計算機(jī)可讀取存儲介質(zhì)中。該程序在執(zhí)行時，執(zhí)行包括上述各方法實(shí)施例的步驟；而前述的存儲介質(zhì)包括：rom、ram、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。