隨著現(xiàn)代電子技術(shù)在汽車系統(tǒng)中的不斷應(yīng)用，越來越多的車載電器加入到車身電子行列中,，使得汽車的各種性能都得到了極大的改善,，但汽車駕駛室的開關(guān)也越來越多， 這就為駕駛員行車中對車載電器的操作提出了更高的要求,，同時也給行車過程帶來了不安全的隱患,。隨著語音識別算法的改進和新一代Soc專用語音處理芯片的問世，使用語音命令控制汽車電器的操作能夠部分用口代替手的功能,，從而減輕駕駛員操作負擔(dān),，提高行車安全系數(shù)。
目前我國的車身電子語音控制主要集中在汽車導(dǎo)航系統(tǒng)的應(yīng)用上,，沒有充分發(fā)揮語音識別技術(shù)在車身電子中的應(yīng)用價值,。本文提出了一種的以專用語音處理芯片UniSpeech-SDA80D51為核心控制車載音響操作的設(shè)計方案，并在SL1102C1型車載音響上實現(xiàn)了對非特定人的語音識別與控制,。
語音控制器硬件
車載語音控制器系統(tǒng)由定向拾音器,、語音識別模塊、控制模塊和音響模塊組成,。系統(tǒng)的功能是：由拾音器采集駕駛員發(fā)出的語音命令，利用語音識別模塊將拾音器輸出的語音物理聲音信號轉(zhuǎn)變成語音數(shù)字信號,，并識別出語音命令對應(yīng)的漢字或詞語,，之后由控制模塊產(chǎn)生與之對應(yīng)的詞條編碼指令，通過系統(tǒng)I/O口線將控制命令傳達給音響,，車載音響接收到控制指令產(chǎn)生動作,，響應(yīng)駕駛員的語音命令,，比如快進、快退或音量調(diào)節(jié)等,。系統(tǒng)結(jié)構(gòu)及原理框圖如圖1 所示：
語音識別模塊主要由UniSpeech-SDA80D51芯片及外圍電路組成,。本模塊主要實現(xiàn)對輸入的非特定人語音信號的識別和處理功能，輸出與語音命令對應(yīng)的詞條編碼,。
SDA80D51是Infineon公司專為語音識別和語音處理應(yīng)用領(lǐng)域新推出的專用芯片,，采用高集成度的Soc系統(tǒng)結(jié)構(gòu)以0.18μm半導(dǎo)體工藝制造，擁有8位高速增強型M8051核心（25MIPS）和16位定點DSP核心OAK（100MIPS）的雙核架構(gòu),，片內(nèi)集成了直接雙訪問快速SRAM,、2路ADC和2路DAC（有效精度為12Bit）、多種通信接口和通用GPIO等設(shè)備,，外部只需擴展Flash存儲器等少量外圍電路即可構(gòu)成完整應(yīng)用系統(tǒng),。
控制模塊由MCU和模擬開關(guān)電路構(gòu)成，本模塊主要完成對語音識別模塊輸出的識別結(jié)果--詞條編碼信號進行邏輯分析和處理,，通過模擬開關(guān)電路產(chǎn)生對應(yīng)功能的控制信號輸出到音響,，控制音響的操作。其中MCU選用美國ATMEL公司產(chǎn)品AT89S51,由于車載音響SL1102C1上的按鍵控制面板為電阻式分流鍵盤電路,，采用電壓采樣識別模式,，對不同鍵值進行識別，綜合SDA80D51芯片輸出的I/O電壓特性,，確定使用繼電器模擬SL1102C1控制面板按鍵的閉合和斷開動作,。
本設(shè)計是基于安徽森力公司的SL1102C1汽車音響。SL1102C1是專門為中檔轎車設(shè)計的汽車音響,，具有MP3播放,、收音機和顯示時間等功能，目前大量使用在江淮同悅轎車上,。SL1102C1前板共有15個按鍵和一個用來調(diào)節(jié)音量的編碼開關(guān),。分別為開關(guān)機/靜音、音效設(shè)置,、6個臺位,、播放/暫停、隨機播放,、重復(fù)播放,、瀏覽播放、選擇下曲（快進）,、選擇上曲（快退）,、向下搜臺/上一曲、向上鎖臺/下一曲,、模式轉(zhuǎn)換,、電臺瀏覽/自動存儲臺,、波段切換、顯示時間/時間設(shè)置和復(fù)位等功能,。
音響前板上的按鍵為電壓采樣識別方式,，按鍵包含短按（延時小于0.2s）和長按（延時大于1s）兩種動作，控制模塊MCU（AT89S51）的輸出電壓為TTL電平,，直接采用MCU信號驅(qū)動音響按鍵動作容易引起誤識別,，造成系統(tǒng)誤操作，因此本文采用模擬開關(guān)電路,，很好地解決了上述問題,。當AT89S51接收到語音模塊輸出的一個語音命令識別結(jié)果編碼信號后，立即進行邏輯分析并輸出對應(yīng)的控制信號驅(qū)動相應(yīng)繼電器吸合模擬按鍵動作,，按鍵的短按和長按功能是通過軟件實現(xiàn)的,。
系統(tǒng)軟件設(shè)計
系統(tǒng)的軟件包括：非特定人語音識別模塊和邏輯控制模塊。
非特定人語音識別模塊基于HMM 模型算法,。該算法通過對大量語音數(shù)據(jù)進行數(shù)據(jù)統(tǒng)計,，建立識別詞條的統(tǒng)計模型語音庫，然后從待識別語音中提取特征,，與模型庫進行匹配,，由比較匹配分數(shù)得到識別結(jié)果，并通過SDA80D51的GPIO口輸出識別結(jié)果對應(yīng)的詞條編碼信號,。語音識別模塊主要由信號預(yù)處理,、特征參數(shù)提取、模型匹配和Viterbi算法部分組成,。
信號預(yù)處理部分主要完成輸入語音信號的采樣,、 模/數(shù)轉(zhuǎn)換功能。A/D變換由SDA80D51內(nèi)嵌12位A/D變換器實現(xiàn),，采樣頻率固定為8 kHz.
特征參數(shù)提取基于語音幀,，采用分幀提取特片。先對語音信號進行重疊分幀,，前一幀和后一幀重疊一半（幀信號重疊是體現(xiàn)相鄰兩幀數(shù)據(jù)之間的相關(guān)性）,，幀長為25ms,對每幀提取一次語音特片。
MFCC參數(shù)屬于感知頻域倒譜參數(shù),，反映了語音信號短時幅度譜的特征,。p維MFCC參數(shù)的提取過程如圖1所示。
其中：m是幀號,，N是單位幀內(nèi)的采樣點數(shù),。
HMM是描述語音信號的一種概率統(tǒng)計模型，使用 MarKov鏈來模擬語音信號統(tǒng)計特性的變化,，HMM模型是在Markov鏈的基礎(chǔ)上發(fā)展起來的,。
Viterbi算法是一種幀同步動態(tài)規(guī)整算法，在給定觀察值序列和模型時,，Viterbi算法給出了一個概率密度P（Q,O | λ）最大的狀態(tài)序列,。
控制模塊的主要功能是：在單片機查詢到語音模塊輸出的語音詞條信號后，查表獲得詞條編碼,，根據(jù)編碼判斷對應(yīng)按鍵是長按或短按,，分別進入相應(yīng)的子程序處理，長按子程序延時1s,短按子程序延時0.2s.在子程序中,，輸出語音命令所對應(yīng)的I/O控制信號驅(qū)動繼電器吸合模擬按鍵或編碼開關(guān)動作,，并及時復(fù)位I/O口。為了避免語音控制和手動控制之間沖突,，語音控制模塊可以完全兼容于手動控制,，在語音控制操作時，同時可以進行手動控制,。
實驗結(jié)果及結(jié)論
本系統(tǒng)的樣機實驗主要是測試非特定人的語音識別率和模擬開關(guān)動作的準確率,。由于汽車音響的語音詞條為2~4個字，語音識別率實驗內(nèi)容為車載音響常用2字詞條指令18條,、3字詞條指令12條,、4字詞條指令10條，實驗對象為6人4男,、2女（普通話和方言）,，實驗環(huán)境為噪聲干擾環(huán)境和相對安靜環(huán)境，樣機測試結(jié)果如表1所示,。
由表1可知,，系統(tǒng)的識別率與語音指令詞條字數(shù)、麥克接收距離,、說話人方言及環(huán)境有關(guān),。4字詞識別率高于2字詞，相對安靜環(huán)境下識別率可以達到90%以上,，男聲和女聲的識別率接近,。有噪聲干擾環(huán)境中識別率下降。為了提高系統(tǒng)的識別率,，系統(tǒng)樣機采用奧林巴斯 ME52定向麥克（在表中沒有反映）,，提高了麥克接收范圍，使系統(tǒng)總體的識別率上升到95%.
在系統(tǒng)樣機控制電路實驗中,，模擬開關(guān)動作達到了較高的準確率,，測試結(jié)果為98%以上，只要控制程序運行正常,，各路繼電器就能按照程序安排執(zhí)行閉合和斷開模擬手動開關(guān)操作,。
實現(xiàn)汽車電器的語音控制是未來車載電器的發(fā)展趨勢,，越來越多的解決方案在不斷的被提出和驗證。本文提出的設(shè)計是在SL1102C1型車載音響上使用SDA80D51芯片,，實現(xiàn)了車載音響非特定人的語音識別與控制,。由于該芯片集成度高，需要外圍模塊少,，設(shè)計的硬件電路簡單,，便于調(diào)試檢測。該設(shè)計得到的樣機,，有較高的識別率,、工作穩(wěn)定、可擴展性強,，達到預(yù)期的設(shè)計目標,，整個設(shè)計方案和實現(xiàn)方法是可行的。由于語音識別率隨著環(huán)境,，說話人不同而變化,，雖然HMM在噪聲很少的環(huán)境下可以獲得很高的識別率，但當測試語音或者環(huán)境中含有不同程度的噪聲污染時,，語音識別系統(tǒng)的性能會很快地下降,。提高系統(tǒng)的抗噪性和魯棒性是語音識別系統(tǒng)走向?qū)嵱没年P(guān)鍵之一。
