CN107222215A - 用于语音识别的模数转换器的设计方法、装置及系统 - Google Patents

Abstract

本发明实施例提供一种用于语音识别的模数转换器的设计方法、装置及系统。本发明用于语音识别的Sigma‑Delta模数转换器的设计方法，所述模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器，所述设计方法包括：将预设的模拟语音信号输入利用初始参数设计的所述模数转换器；若所述模数转换器输出的数字语音信号不符合预设条件，则根据优化算法计算初始参数的最优值。本发明实施例可以实现有效设计符合语音识别应用需求的Sigma‑Delta ADC，提升使用该Sigma‑Delta ADC进行模数转处理的语音识别模块的性能。

Description

用于语音识别的模数转换器的设计方法、装置及系统

技术领域

本发明实施例涉及电子技术，尤其涉及一种用于语音识别的Sigma-Delta模数转换器的设计方法、装置及系统。

背景技术

语义识别可以分为特定人的语音识别和非特定人的语音识别，其目的在于理解话语中的单词和句子，也就是对语音中的内容进行识别。对于特定人语音识别模式，语音识别的对象主要是针对特定的一个人或者若干个人，通过对特定的人的语音样本进行训练，对其中的语音特征参数进行提取，实现对该特定的人的有效识别；而对于非特定人的语音识别，针对的则是大众人群，在产品出厂之前就已经完成参数的训练，不需要由用户进行训练，非特定人的语音识别理论上的目标是能够对任一用户的语音输入进行识别，由于以上更高的要求，非特定人的语音识别必须采集大量的语音样本进行训练，才能够对任一用户的可能输入的语音特性进行涵盖，因此，难度高于特定人的语音识别。

在进行语音识别的过程中，需要由当前的语音设备对用户的输入语音进行采集，对用户的语音参数进行分析与处理，将以上的信息进行计算，最终得到语音识别的结果。通常进行计算的过程中，语音设备需要将输入的语音信号转换为数字信号，才能够由语音识别模块进行分析与处理。因此，语音设备是需要集成模拟数字转换器(ADC)模块，将用户的模拟信号转换为数字信号。同时，模拟数字转换器(ADC)模块的性能对语音识别的效果具有重要的影响，为了得到较为理想的语音识别效果，需要对模拟数字转换器(ADC)模块进行有效合理地设计。

发明内容

本发明实施例提供一种用于语音识别的Sigma-Delta模数转换器的设计方法和装置，实现有效设计符合语音识别应用需求的Sigma-Delta ADC，提升使用该Sigma-DeltaADC进行模数转处理的语音识别模块的性能。

第一方面，本发明实施例提供一种用于语音识别的Sigma-Delta模数转换器的设计方法，所述模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器，所述设计方法包括：

将预设的模拟语音信号输入利用初始参数设计的所述模数转换器；

若所述模数转换器输出的数字语音信号不符合预设条件，则根据优化算法计算初始参数的最优值；

其中，所述初始参数包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。

第二方面，本发明实施例提供一种用于语音识别的Sigma-Delta模数转换器的设计装置，所述模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器，所述装置包括；

输入模块，用于将预设的模拟语音信号输入利用初始参数设计的所述模数转换器；

计算模块，用于当所述模数转换器输出的数字语音信号不符合预设条件时，根据优化算法计算初始参数的最优值；

其中，所述初始参数包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。

第三方面，本发明实施例提供一种用于语音识别的Sigma-Delta模数转换器的设计系统，所述系统包括；Sigma-Delta模数转换器、语音识别模块和Sigma-Delta参数调整模块，所述Sigma-Delta模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器；

所述Sigma-Delta模数转换器，用于使用初始参数对预设的模拟语音信号进行模数转换处理；

所述语音识别模块，用于判断所述Sigma-Delta模数转换器输出的数字语音信号是否符合预设条件；

所述Sigma-Delta参数调整模块，用于当所述Sigma-Delta模数转换器输出的数字语音信号不符合预设条件时，根据优化算法计算初始参数的最优值；

其中，所述初始参数包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。

本发明实施例用于语音识别的Sigma-Delta模数转换器的设计方法和装置，通过将预设的模拟语音信号输入利用初始参数设计的用于语音识别的Sigma-Delta模数转换器，若该Sigma-Delta模数转换器输出的数字语音信号不符合预设条件，则根据优化算法计算初始参数的最优值，利用该最优值设计用于语音识别的Sigma-Delta模数转换器，实现有效设计符合语音识别应用需求的Sigma-Delta ADC，提升使用该Sigma-Delta ADC进行模数转换处理的语音识别模块的语音识别性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明用于语音识别的Sigma-Delta模数转换器的设计系统的结构示意图；

图2为本发明用于语音识别的Sigma-Delta模数转换器的设计方法实施例一的流程图；

图3A为本发明Sigma-Delta ADC 1实施例一的结构示意图；

图3B为本发明一阶Sigma-Delta调制器的结构示意图；

图3C为本发明数字低通滤波器12和抽取器13的结构示意图；

图4为本发明用于语音识别的Sigma-Delta模数转换器的设计方法实施例二的流程图；

图5为本发明用于语音识别的Sigma-Delta模数转换器的设计装置实施例一的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本文所涉及的Sigma-Delta ADC工作于过采样率下，可以实现将输入信号及相对应的量化噪声分别经过低通环路滤波器以及高阶高通滤波器进行处理。因此，在输出端，信号是由延迟的输入信号以及经过高阶高通滤波器整形后的量化噪声组成的，从而可以将量化噪声从带内无限制的移到带外，而转换精度可以达到仅受器件热噪声在物理上限制的转换精度。此外，在标准的CMOS工艺下，Sigma-Delta ADC无需模拟元件的精确匹配来实现较高精度。Sigma-Delta ADC能够获得较好的采样效果，可以将Sigma-Delta ADC应用于语音识别模块中，有效提升语音识别模块的性能。设计Sigma-Delta ADC涉及多个参数，例如滤波器的级联级数等，利用不同的参数设计的Sigma-Delta ADC其应用于语音识别处理的性能也不尽相同。本发明下述实施例提供的方法可以有效获取满足语音识别模块性能需求的Sigma-Delta ADC的参数，提升设置有利用该参数设计的Sigma-Delta ADC进行模数转换处理的语音识别模块的语音识别性能。

图1为本发明实施例的一种用于语音识别的Sigma-Delta模数转换器的设计系统的结构示意图，如图1所示，本发明实施例用于语音识别的Sigma-Delta模数转换器的设计系统，具体可以包括：Sigma-Delta ADC 1、语音识别模块2和Sigma-Delta ADC参数调整模块3。在实现Sigma-Delta ADC设计中，首先由Sigma-Delta ADC 1利用初始参数生成最初版本的Sigma-Delta ADC，之后，由语音识别模块2对当前的Sigma-Delta ADC的语音识别效果进行分析，将得到的语音识别结果提供给Sigma-Delta ADC参数调整模块3，Sigma-DeltaADC参数调整模块3对语音识别结果进行分析，确定是否调整初始参数，如果调整，则将调整后的参数提供给Sigma-Delta ADC 1。Sigma-Delta ADC 1利用调整后的参数生成下一版本的Sigma-Delta ADC，语音识别模块2和Sigma-Delta ADC参数调整模块3将继续进行语音识别效果分析与参数调整过程，循环以上的过程，直至利用调整后的参数设计的Sigma-DeltaADC符合语音识别的性能要求。

图2为本发明用于语音识别的Sigma-Delta模数转换器的设计方法实施例一的流程图，本实施例的执行主体可以为用于语音识别的Sigma-Delta模数转换器的设计装置，该装置可以通过软件和/或硬件实现，该用于语音识别的Sigma-Delta模数转换器的设计装置可以实现图1所示的语音识别模块2和Sigma-Delta ADC参数调整模块3的功能。其中，该Sigma-Delta模数转换器可以包括调制器、级联积分梳状CIC滤波器和FIR滤波器。如图2所示，本实施例的方法可以包括：

步骤101、将预设的模拟语音信号输入利用初始参数设计的所述模数转换器。

其中，预设的模拟语音信号具体可以是孤立词(Isolated Word)、连接词(Connected Word)或连续词语(Continuous Speech)的模拟信号。在步骤101中初始参数的具体取值可以是随机设置，利用该初始参数设计得到一个用于语音识别的Sigma-Delta模数转换器。将预设的模拟语音信号输入至利用该初始参数设计的用于语音识别的Sigma-Delta模数转换器。

步骤102、若所述模数转换器输出的数字语音信号不符合预设条件，则根据优化算法计算初始参数的最优值。

其中，所述初始参数可以包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。该初始参数包括的具体内容可以根据设计Sigma-Delta ADC的具体结构进行灵活调整。

具体的，利用该初始参数设计的用于语音识别的Sigma-Delta模数转换器对预设的模拟语音信号进行模数转换处理，输出数字信号，如果输出的数字信号不符合预设条件，则需要调整初始参数的具体取值，初始参数的不同取值对应的用于语音识别的Sigma-Delta模数转换器的处理性能也不尽相同，步骤102可以根据优化算法计算初始参数的最优值，以利用该最优值设计用于语音识别的Sigma-Delta模数转换器，以获取最优处理性能。

其中，该预设条件具体可以是性能需求和/或成本需求。该预设设计需求可以根据需要进行灵活设置。如果满足，则采用该初始参数设计Sigma-Delta ADC，如果不满足预设条件，则根据优化算法计算该初始参数的最优值。

可选的，该预设条件可以包括：所述数字语音信号中孤立词、连接词或连续词语相对于标准语音信号的准确率大于第一预设阈值，其中，所述标准语音信号为采用预设精度的模数转换器对所述预设的模拟语音信号进行模数转换仿真得到的数字信号；和/或，所述数字语音信号中孤立词的区分度大于第二预设阈值。

其中，标准语音信号为使用预设精度的Sigma-Delt ADC处理的结果，具体的该预设精度可以选取大于一定阈值的精度，该预设精度越高实现效果越好，当预设精度较高时，实现起来需要花费较高的成本，在进行用于语音识别的Sigma-Delt ADC的实际设计过程中通常是适当地对高精度的ADC的设计指标进行调整，以利于系统实现成本的降低。高精度的Sigma-Delt ADC作为实验阶段进行使用当前初始参数设计的Sigma-Delt ADC的处理性能的评估。

上述第一预设阈值和第二预设阈值的具体取值可以根据需求进行灵活设置。

上述步骤102的一种可实现方式可以为：比较所述模数转换器输出的数字语音信号中孤立词、连接词或连续词语相对于标准语音信号的准确率与第一预设阈值，若所述模数转换器输出的数字语音信号中孤立词、连接词或连续词语相对于标准语音信号的准确率小于第一预设阈值，则根据优化算法计算初始参数的最优值。

即采用准确率的评判标准对利用初始参数设计的Sigma-Delta ADC进行评估。

具体的，可以对高精度ADC模块与当前初始参数设计ADC模块的孤立词、连接词或连续词的识别的准确率进行比较分析。即通过与实验阶段的高精度ADC比对，根据比对结果调整初始参数，直至获取到满足预设条件的初始参数，该满足预设条件的初始参数可以用于实际批量生产，以在满足语音识别性能需求的基础上，有效降低成本。

上述步骤102的另一种可实现方式可以为：比较所述模数转换器输出的数字语音信号中孤立词的区分度与第二预设阈值，若所述模数转换器输出的数字语音信号中孤立词的区分度小于第二预设阈值，则根据优化算法计算初始参数的最优值。

即采用对对孤立词识别的区分程度对利用初始参数设计的Sigma-Delta ADC进行评估。

本实施例，通过将预设的模拟语音信号输入利用初始参数设计的用于语音识别的Sigma-Delta模数转换器，若该Sigma-Delta模数转换器输出的数字语音信号不符合预设条件，则根据优化算法计算初始参数的最优值，利用该最优值设计用于语音识别的Sigma-Delta模数转换器，实现有效设计符合语音识别应用需求的Sigma-Delta ADC，可以有效提升使用该Sigma-Delta ADC进行模数转处理的语音识别模块的性能。

图3A为本发明Sigma-Delta ADC 1实施例一的结构示意图，图3B为本发明一阶Sigma-Delta调制器的结构示意图，图3C为本发明Sigma-Delta ADC 1的数字低通滤波器12和抽取器13的具体结构示意图。如图3A所示，本实施例的Sigma-Delta ADC 1具体可以包括：Sigma-Delta调制器11、数字低通滤波器12和抽取器13。其中，Sigma-Delta调整器11用于在过采样率下对输入的模拟信号进行噪声整形，并将输出的信号提供给数字低通滤波器12，数字低通滤波器12用于进行低通滤波，并将输出的信号提供给抽取器13，由抽取器13输出数字信号。

根据奈奎斯特采样定律，要从抽样信号中无失真地恢复原信号，抽样频率应大于2倍信号最高频率。两倍信号最高频率称为奈奎斯特频率，设为Fs。而Sigma-Delta ADC 1使用了过采样处理，假设当前信号的奈奎斯特频率是Fs，而Sigma-Delta ADC 1的过采样率设置为M，则有实际的采样率为Fs’＝M*Fs。在采样的过程中，受到采样精度的影响，将会引入量化噪声，一般其功率在采样频段上是均匀分布的。如果提升采样率，将会增加采样频段的范围，相应量化噪声的分布范围加宽，对应的功率幅度值会下降。设采样的精度是N比特(Bit)，过采样率设置为M，则有，相应的信噪比为：

SNR＝10×logM+6.02*N+1.76dB (1)

由(1)式，单纯使用提升采样率的方法对信噪比的提升是有限的，因此，Sigma-Delta ADC 1对经过模拟抗混叠滤波器的模拟输入信号使用了Sigma-Delta调制器11进行处理。Sigma-Delta调制器11的作用是对噪声进行整形，将原先均匀分布的量化噪声进行改变，将量化噪声整形到基带之外的高频部分，再使用数字低通滤波器12将基带之外高频区域的量化噪声进行滤除，因此在基带中的量化噪声将会得到有效抑制，有利于提升信噪比。

Sigma-Delta调制器11的传输函数的一般形式为：

其中X(z)和E(z)分别是输入信号和量化误差的z变换。当A(z)是一个很大的直流增益时，信号的传输函数近似等于1，而对于基带中的量化噪声得到了抑制。

在具体的实现过程中，Sigma-Delta调制器12可以采用不同的阶数，一阶Sigma-Delta调制器的框图如图3B所示的结构，其中包含了被延迟了一个采样周期的输入X(z)和一个经过一阶高通整形的量化噪声E(z)，其输出为：

Y(z)＝z^-1X(z)+(1-z^-1)E(z) (3)

二阶Sigma-Delta调制器是将一阶Sigma-Delta调制器中的量化器用另一个一阶Sigma-Delta调制器所代替，其输出为：

Y(z)＝z^-1X(z)+(1-z^-1)²E(z) (4)

当Sigma-Delta调制器的阶数为L时，输出为：

Y(z)＝z^-1X(z)+(1-z^-1)^LE(z) (5)

随着阶数的增加，可以有效地抑制带内量化噪声，但调制器的阶数并不能无限的增大。因为对于单bit调制器，当阶数达到三阶或三阶以上时，其稳定性是很难保证的。可以通过稳定的一阶调制器和二阶调制器级联的方式来实现高阶调制器。

数字低通滤波器12和抽取器13通常是联合在一起进行实现的，数字低通滤波器12和抽取器13的结构可以如图3C所示。对于Sigma-Delta调制器输出的信号，首先由CIC滤波器进行滤波处理，实现M倍降采样，随后，由FIR滤波器进行滤波处理，实现N倍降采样。通过两个模块的处理，实现了M*N倍的降采样。引入CIC滤波器的原因是如果直接使用FIR滤波器对Sigma-Delta调制器输出的信号进行处理，则FIR滤波器需要使用较高的阶数，同时，FIR滤波器工作在较高的频率下，以上将会导致整个系统的功耗和成本指标不理想。而级联积分梳状(CIC)滤波器是一种结构十分简单的数字滤波器，不需要进行乘法运算，用作抗混叠滤波器，并实现采样率的降低，使得后级滤波器可以工作在较低的频率下，以便有效的降低功耗。同时，使后级的FIR滤波器可以以较低的阶数进行实现，改善了整个系统的性能。

CIC滤波器在绝大多数的应用中抽取因子M等于梳状结构的延迟D。单阶CIC滤波器在z域的传输函数如公式(6)所示：

抽取滤波器需要考虑的一个关键问题就是在抽取后的频谱混叠。对于单阶的CIC，高频区域对应通道的频率段的衰减有限，因此在降采样处理之后，对应区域中的未有效抑制的频率信息将会混叠到通带B中。

为了改善CIC滤波器抗混叠和去镜像的效果，通常采用增加CIC滤波器的阶数的方式，对应通道的高频频率段的阻带衰减增加，进行有效的抑制，避免混叠到通带B中。但是在增加CIC滤波器的阶数之后，CIC滤波器的通带中也将会引入衰减的问题。通常可以在Sigma-Delta ADC 1中加入对CIC滤波器通带衰减问题的补偿模块。

在经过CIC滤波器处理之后，信号的采样频率得到有效降低。但是由于CIC滤波器的频率特性所限，它不可能非常有效的滤除带外噪声，并且由于CIC滤波器存在带内衰减，因此，需要引入频率特性更好的FIR滤波器来更有效地滤除带外噪声并补偿CIC滤波器的通带内衰减。

对于一个FIR滤波器来说，其基本的性能指标有通带边缘频率，阻带边缘频率，通带波纹及阻带波纹。同时，FIR滤波器在实现的过程中，通常以半带滤波器和二倍抽取因子组合的方法，进行多级的级联实现。每经过一级半带滤波器，信号的采样率将会减半。而半带滤波器主要的特点是它的近一半的滤波器系数为零，因此也使计算量减少了一半，进而可以有效节省硬件资源。这一特性使得半带滤波器在多速率信号处理中有着广泛的应用。

在FIR滤波器的实际应用中，滤波器的输入、滤波器的系数以及滤波器运算的位数都是有限长的。从计算效率以及硬件成本等方面考虑，这些位数要尽可能的小，但同时这也将引起滤波器性能的下降，这种由于采用有限位数而带来的问题称为有限字长效应。

由此可见，在Sigma-Delta ADC的设计过程中，需要进行确定的参数包括如图2所示实施例所述的调制器的阶数、CIC滤波器的抽取率和阶数、FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数等等。即需要确定本发明实施例的初始参数，以选取合适的初始参数对Sigma-Delta ADC进行实现，从而提升使用该Sigma-Delta ADC进行模数转处理的语音识别模块的识别效果。

图4为本发明用于语音识别的Sigma-Delta模数转换器的设计方法实施例二的流程图，如图4所示，本实施例的方法可以包括：

步骤201、随机初始化初始参数。

具体的，对调制器的阶数、CIC滤波器的抽取率和阶数、FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数等参数随机初始化取值。

步骤202、使用初始化的初始参数配置Sigma-Delta ADC，得到利用初始化的初始参数设计的模数转换器，使用该初始化的初始参数设计的模数转换器对输入的预设的模拟语音信号进行模数转换处理，输出该初始化的初始参数对应的数字语音信号。

步骤203、判断该初始化的初始参数对应的数字语音信号是否符合预设条件，若不符合，则执行步骤204，若符合则使用该初始化的初始参数设计Sigma-Delta ADC。

步骤204、对初始参数进行编码，利用优化算法产生下一代的初始参数。

该初始参数具体可以包括的上述各个参数，调制器的阶数、CIC滤波器的抽取率和阶数、FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数等。

其中，优化算法具体可以包括遗传算法、粒子群优化算法、多目标优化算法中任意一项。当然还可以选择其他优化算法，本发明实施例不以此作为限制。

以遗传算法做举例说明，通过复制、交叉、变异以及其它算法的操作产生下一代的初始参数。

步骤205、使用下一代的初始参数设计Sigma-Delta ADC，得到利用下一代的初始参数设计的Sigma-Delta ADC，使用该下一代的初始参数设计的Sigma-Delta ADC进行模数转换处理，输出该下一代的初始参数对应的数字语音信号。

步骤206、判断该下一代的初始参数对应的数字语音信号是否满足预设条件，若不满足，则执行步骤204，若满足则执行步骤207。

步骤207、使用该下一代的初始参数设计Sigma-Delta ADC。

通过以上的优化算法，能够实现对初始参数的最优解的自动搜索，得到编码后的初始参数的最优解，并解码该最优解以得到初始参数的最优值，有利于有效获取到Sigma-Delta ADC设计的最优参数，改善人工手动调整参数时的低效问题。

通过本实施例的方法，能够使设计的Sigma-Delta ADC符合语音识别的应用要求。同时，在初始参数设计的过程中，采用遗传算法等搜索方法，能够对Sigma-Delta ADC方案设计实现效率进行提升。

图5为本发明用于语音识别的Sigma-Delta模数转换器的设计装置实施例一的结构示意图，所述模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器，如图5所示，本实施例的装置可以包括：输入模块11和计算模块12，其中，输入模块11用于将预设的模拟语音信号输入利用初始参数设计的所述模数转换器，计算模块12用于当所述模数转换器输出的数字语音信号不符合预设条件时，根据优化算法计算初始参数的最优值，其中，所述初始参数包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。

可选的，所述计算模块12可以包括：编码模块121和搜索编码单元122，其中，编码单元121用于对所述初始参数进行编码，搜索解码单元122用于利用优化算法循环迭代搜索编码后的初始参数的最优解，并解码所述最优解以得到所述初始参数的最优值。

可选的，所述优化算法包括遗传算法、粒子群优化算法或者多目标优化算法。

可选的，所述预设条件包括：所述数字语音信号中孤立词、连接词或连续词语相对于标准语音信号的准确率大于第一预设阈值，其中，所述标准语音信号为对所述预设的模拟语音信号采用高精度的模数转换器进行模数转换仿真得到的数字信号；和/或，所述数字语音信号中孤立词的区分度大于第二预设阈值。

本实施例的装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种用于语音识别的Sigma-Delta模数转换器的设计方法，所述模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器，其特征在于，所述设计方法包括：

将预设的模拟语音信号输入利用初始参数设计的所述模数转换器；

若所述模数转换器输出的数字语音信号不符合预设条件，则根据优化算法计算初始参数的最优值；

其中，所述初始参数包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。

2.根据权利要求1所述的方法，其特征在于，所述根据优化算法计算初始参数的最优值，包括：

对所述初始参数进行编码；

利用优化算法循环迭代搜索编码后的初始参数的最优解，并解码所述最优解以得到所述初始参数的最优值。

3.根据权利要求2所述的方法，其特征在于，所述优化算法包括遗传算法、粒子群优化算法或者多目标优化算法。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述预设条件包括：

所述数字语音信号中孤立词、连接词或连续词语相对于标准语音信号的准确率大于第一预设阈值，其中，所述标准语音信号为采用预设精度的模数转换器对所述预设的模拟语音信号进行模数转换得到的数字信号；

和/或，

所述数字语音信号中孤立词的区分度大于第二预设阈值。

5.一种用于语音识别的Sigma-Delta模数转换器的设计装置，所述模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器，其特征在于，所述装置包括；

输入模块，用于将预设的模拟语音信号输入利用初始参数设计的所述模数转换器；

计算模块，用于当所述模数转换器输出的数字语音信号不符合预设条件时，根据优化算法计算初始参数的最优值；

其中，所述初始参数包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。

6.根据权利要求5所述的装置，其特征在于，所述计算模块包括：

编码单元，用于对所述初始参数进行编码；

搜索解码单元，用于利用优化算法循环迭代搜索编码后的初始参数的最优解，并解码所述最优解以得到所述初始参数的最优值。

7.根据权利要求6所述的装置，其特征在于，所述优化算法包括遗传算法、粒子群优化算法或者多目标优化算法。

8.根据权利要求5-7中任一项所述的装置，其特征在于，所述预设条件包括：

所述数字语音信号中孤立词、连接词或连续词语相对于标准语音信号的准确率大于第一预设阈值，其中，所述标准语音信号为采用预设精度的模数转换器对所述预设的模拟语音信号进行模数转换得到的数字信号；

和/或，

所述数字语音信号中孤立词的区分度大于第二预设阈值。

9.一种用于语音识别的Sigma-Delta模数转换器的设计系统，其特征在于，所述系统包括；Sigma-Delta模数转换器、语音识别模块和Sigma-Delta参数调整模块，所述Sigma-Delta模数转换器包括调制器、级联积分梳状CIC滤波器和FIR滤波器；

所述Sigma-Delta模数转换器，用于使用初始参数对预设的模拟语音信号进行模数转换处理；

所述语音识别模块，用于判断所述Sigma-Delta模数转换器输出的数字语音信号是否符合预设条件；

所述Sigma-Delta参数调整模块，用于当所述Sigma-Delta模数转换器输出的数字语音信号不符合预设条件时，根据优化算法计算初始参数的最优值；

其中，所述初始参数包括以下中的至少一种：所述调制器的阶数、所述CIC滤波器的抽取率和阶数、所述FIR滤波器的抽取率、通带边缘频率、阻带边缘频率、通带波纹、阻带波纹、FIR滤波器的级联级数、FIR滤波器系数的量化位数。