機(jī)器人聽覺系統(tǒng)主要是對(duì)人的聲音進(jìn)行語音識(shí)別并做出判斷,，然后輸出相應(yīng)的動(dòng)作指令控制頭部和手臂的動(dòng)作，傳統(tǒng)的機(jī)器人聽覺系統(tǒng)一般是以PC機(jī)為平臺(tái)對(duì)機(jī)器人進(jìn)行控制,，其特點(diǎn)是用一臺(tái)計(jì)算機(jī)作為機(jī)器人的信息處理核心通過接口電路對(duì)機(jī)器人進(jìn)行控制,，雖然處理能力比較強(qiáng)大，語音庫比較完備,，系統(tǒng)更新以及功能拓展比較容易,，但是比較笨重,，不利于機(jī)器人的小型化和復(fù)雜條件下進(jìn)行工作，此外功耗大,、成本高,。

       本次設(shè)計(jì)采用了性價(jià)比較高的數(shù)字信號(hào)處理芯片TMS320VC5509作為語音識(shí)別處理器，具有較快的處理速度,，使機(jī)器人在脫機(jī)狀態(tài)下,，獨(dú)立完成復(fù)雜的語音信號(hào)處理和動(dòng)作指令控制，FPGA系統(tǒng)的開發(fā)降低了時(shí)序控制電路和邏輯電路在PCB板所占的面積[1],，使機(jī)器人的"大腦"的語音處理部分微型化,、低功耗。一個(gè)體積小,、低功耗,、高速度能完成特定范圍語音識(shí)別和動(dòng)作指令的機(jī)器人系統(tǒng)的研制具有很大的實(shí)際意義。

        2 系統(tǒng)硬件總體設(shè)計(jì)

         系統(tǒng)的硬件功能是實(shí)現(xiàn)語音指令的采集和步進(jìn)電機(jī)的驅(qū)動(dòng)控制,，為系統(tǒng)軟件提供開發(fā)和調(diào)試平臺(tái),。如圖1所示。

         系統(tǒng)硬件分為語音信號(hào)的采集和播放,，基于DSP">的語音識(shí)別,，FPGA動(dòng)作指令控制、步進(jìn)電機(jī)及其驅(qū)動(dòng),、DSP外接閃存芯片,，JTAG口仿真調(diào)試和鍵盤控制幾個(gè)部分。工作流程是麥克風(fēng)將人的語音信號(hào)轉(zhuǎn)化為模擬信號(hào),，在經(jīng)過音頻芯片TLV320AIC23量化轉(zhuǎn)化成數(shù)字信號(hào)輸入DSP．DSP完成識(shí)別后,，輸出動(dòng)作指令。

         FPGA根據(jù)DSP輸入的動(dòng)作指令產(chǎn)生正確的正反轉(zhuǎn)信號(hào)和準(zhǔn)確的脈沖給步進(jìn)電機(jī)驅(qū)動(dòng)芯片,，驅(qū)動(dòng)芯片提供步進(jìn)電機(jī)的驅(qū)動(dòng)信號(hào),，控制步進(jìn)電機(jī)的轉(zhuǎn)動(dòng)。片外FLASH用于存儲(chǔ)系統(tǒng)程序和語音庫并完成系統(tǒng)的上電加載,。JTAG口用于與PC機(jī)進(jìn)行聯(lián)機(jī)在線仿真,，鍵盤則用于參數(shù)調(diào)整和功能的切換。

        3 語音識(shí)別系統(tǒng)設(shè)計(jì)

        3．1 語音信號(hào)的特點(diǎn)

        語音信號(hào)的頻率成分主要分布在300～3400Hz之間,，根據(jù)采樣定理選擇信號(hào)的采樣率為8 kHz,。語音信號(hào)的一個(gè)特點(diǎn)在于他的"短時(shí)性"，有時(shí)在一個(gè)短時(shí)段呈現(xiàn)隨機(jī)噪聲的特性,，而另一段表現(xiàn)周期信號(hào)的特性,，或二者兼而有之。語音信號(hào)的特征是隨時(shí)間變化的,，只有一段時(shí)間內(nèi),，信號(hào)才表現(xiàn)穩(wěn)定一致的特征,，一般來說短時(shí)段可取5～50 ms，因此語音信號(hào)的處理要建立在其"短時(shí)性"上[2],，系統(tǒng)將語音信號(hào)幀長(zhǎng)設(shè)為20 ms,，幀移設(shè)為10 ms，則每幀數(shù)據(jù)為160×16 b,。

        3．2 語音信號(hào)的采集和播放

         語音采集和播放芯片采用的是TI公司生產(chǎn)的TLV320AIC23B,，TLV320AIC23B的模數(shù)轉(zhuǎn)換(ADC)和數(shù)模轉(zhuǎn)換(DAC)部件高度集成在芯片內(nèi)部，芯片采用8 k采樣率,，單聲道模擬信號(hào)輸入,，雙聲道輸出。TLV320AIC23具有可編程特性,，DSP可通過控制接口來編輯該器件的控制寄存器,，而且能夠編譯SPI，I2C兩種規(guī)格的接口,，TLV320AIC23B與DSP5509的電路連接如圖2所示,。

         DSP采用I2C口對(duì)TLV320AIC23的寄存器進(jìn)行設(shè)置。當(dāng)MODE=O時(shí),，為I2C規(guī)格的接口,，DSP采用主發(fā)送模式，通過I2C口對(duì)地址為0000000～0001111的11個(gè)寄存器進(jìn)行初始化,。I2C模式下,，數(shù)據(jù)是分為3個(gè)8 b寫入的。而TLV320AIC23有7位地址和9位數(shù)據(jù),，也就是說,，需要把數(shù)據(jù)項(xiàng)上面的最高位補(bǔ)充到第二個(gè)8 B中的最后一位。

         MCBSP串口通過6個(gè)引腳CLKX,，CLKR,，F(xiàn)SX，F(xiàn)SR,，DR和CX與TLV320AIC23相連,。數(shù)據(jù)經(jīng)MCBSP串口與外設(shè)的通信通過DR和DX引腳傳輸，控制同步信號(hào)則由CLKX,，CLKR,，F(xiàn)SX，F(xiàn)SR四個(gè)引腳實(shí)現(xiàn),。將MCBSP串口設(shè)置為DSP Mode模式,，然后使串口的接收器和發(fā)送器同步，并且由TLV320AIC23的幀同步信號(hào)LRCIN,，LRCOUT啟動(dòng)串口傳輸,，同時(shí)將發(fā)送接收的數(shù)據(jù)字長(zhǎng)設(shè)定為32 b(左聲道16 b，右聲道16 b)單幀模式,。

        3．3 語音識(shí)別程序模塊的設(shè)計(jì)

         為了實(shí)現(xiàn)機(jī)器人對(duì)非特定人語音指令的識(shí)別,，系統(tǒng)采用非特定人的孤立詞識(shí)別系統(tǒng)。非特定人的語音識(shí)別是指語音模型由不同年齡,、不同性別,、不同口音的人進(jìn)行訓(xùn)練，在識(shí)別時(shí)不需要訓(xùn)練就可以識(shí)別說話人的語音[2],。系統(tǒng)分為預(yù)加重和加窗，短點(diǎn)檢測(cè),，特征提取,，與語音庫的模式匹配和訓(xùn)練幾個(gè)部分。

          3．3．1 語音信號(hào)的預(yù)加重和加窗

           預(yù)加重處理主要是去除聲門激勵(lì)和口鼻輻射的影響,，預(yù)加重?cái)?shù)字濾波H(Z)=1一KZ-1,，其中是為預(yù)加重系數(shù)，接近1,，本系統(tǒng)中k取0．95,。對(duì)語音序列X(n)進(jìn)行預(yù)加重，得到預(yù)加重后的語音序列x(n)：

                                                       x(n)=X(n)一kX(n一1) (1)

            系統(tǒng)采用一個(gè)有限長(zhǎng)度的漢明窗在語音序列上進(jìn)行滑動(dòng),，用以截取幀長(zhǎng)為20 ms,，幀移設(shè)為10 ms的語音信號(hào)，采用漢明窗可以有效減少信號(hào)特征的丟失,。

           3．3．2 端點(diǎn)檢測(cè)

           端點(diǎn)檢測(cè)在詞與詞之間有足夠時(shí)間間隙的情況下檢測(cè)出詞的首末點(diǎn),，一般采用檢測(cè)短時(shí)能量分布，方程為：

           其中,，x(n)為漢明窗截取語音序列,，序列長(zhǎng)度為160，所以N取160,，為對(duì)于無音信號(hào)E(n)很小,，而對(duì)于有音信號(hào)E(n)會(huì)迅速增大為某一數(shù)值，由此可以區(qū)分詞的起始點(diǎn)和結(jié)束點(diǎn),。

           3．3．3特征向量提取

           特征向量是提取語音信號(hào)中的有效信息,，用于進(jìn)一步的分析處理。目前常用的特征參數(shù)包括線性預(yù)測(cè)倒譜系數(shù)LPCC,、美爾倒譜系數(shù)MFCC等,。語音信號(hào)特征向量采用Mel頻率倒譜系數(shù)MFCC(Mel Frequency Cepstrum Coeficient的提取，MFCC參數(shù)是基于人的聽覺特性的,，他利用人聽覺的臨界帶效應(yīng)[3],，采用MEL倒譜分析技術(shù)對(duì)語音信號(hào)處理得到MEL倒譜系數(shù)矢量序列,，用MEL倒譜系數(shù)表示輸入語音的頻譜。在語音頻譜范圍內(nèi)設(shè)置若干個(gè)具有三角形或正弦形濾波特性的帶通濾波器,，然后將語音能量譜通過該濾波器組,，求各個(gè)濾波器輸出，對(duì)其取對(duì)數(shù),，并做離散余弦變換(DCT),，即可得到MFCC系數(shù)。MFCC系數(shù)的變換式可簡(jiǎn)化為：

           其中,，i為三角濾波器的個(gè)數(shù),，本系統(tǒng)選P為16，F(xiàn)(k)為各個(gè)濾波器的輸出數(shù)據(jù),，M為數(shù)據(jù)長(zhǎng)度,。

           3．3．4 語音信號(hào)的模式匹配和訓(xùn)練

             模型訓(xùn)練即將特征向量進(jìn)行訓(xùn)練建立模板，模式匹配即將當(dāng)前特征向量與語音庫中的模板進(jìn)行匹配得出結(jié)果,。語音庫的模式匹配和訓(xùn)練采用隱馬爾可夫模型HMM(Hidden Markov Models),，他是一種統(tǒng)計(jì)隨機(jī)過程統(tǒng)計(jì)特性的概率模型一個(gè)雙重隨機(jī)過程，因?yàn)殡[馬爾可夫模型能夠很好地描述語音信號(hào)的非平穩(wěn)性和可變性,，因此得到廣泛的使用[4],。

             HMM的基本算法有3種：Viterbi算法，前向一后向算法,，Baum-Welch算法,。本次設(shè)計(jì)使用Viterbi算法進(jìn)行狀態(tài)判別，將采集語音的特征向量與語音庫的模型進(jìn)行模式匹配,。Baum-Welch算法用來解決語音信號(hào)的訓(xùn)練,，由于模型的觀測(cè)特征是幀間獨(dú)立的，從而可以使用Baum-Welch算法進(jìn)行HMM模型的訓(xùn)練,。

             3．4 語音識(shí)別程序的DSP開發(fā)

            DSP的開發(fā)環(huán)境為CCS3．1及,。DSP／BIOS，將語音識(shí)別和訓(xùn)練程序分別做成模塊,，定義為不同的函數(shù),，在程序中調(diào)用。定義語音識(shí)別器函數(shù)為int Recognizer(int Micin),，識(shí)別結(jié)果輸出函數(shù)為int Result(void),，語音訓(xùn)練器函數(shù)為int Train(int Tmode，int Audiod),，動(dòng)作指令輸入函數(shù)為int Keyin(int Action[5]),。

            語音識(shí)別器的作用是將當(dāng)前語音輸入變換成語音特征向量，并對(duì)語音庫的模板進(jìn)行匹配并輸出結(jié)果，語音應(yīng)答輸出函數(shù)將獲取的語音識(shí)別結(jié)果對(duì)應(yīng)的語音應(yīng)答輸出,，語音訓(xùn)練是將多個(gè)不同年齡,、不同性別、不同口音的人語音指令輸入轉(zhuǎn)化為訓(xùn)練庫的模板,。為防止樣本錯(cuò)誤,，每個(gè)人的語音指令需要訓(xùn)練2次，對(duì)于2次輸入用用歐氏距離去進(jìn)行模式匹配,，若2次輸入相似度達(dá)到95％，則加入樣本集,。語音應(yīng)答輸入函數(shù)是為每個(gè)語音庫中模板輸入對(duì)立的語音輸出,，以達(dá)到語言應(yīng)答目的。系統(tǒng)工作狀態(tài)為執(zhí)行語言識(shí)別子程序,，訓(xùn)練時(shí)執(zhí)行外部中斷,，執(zhí)行訓(xùn)練函數(shù)，取得數(shù)據(jù)庫模板,，訓(xùn)練完畢返回,。程序框圖如圖3所示。

           4 機(jī)器人的動(dòng)作控制系統(tǒng)設(shè)計(jì)

           4．1 FPGA邏輯設(shè)計(jì)

            系統(tǒng)通過語音控制機(jī)器人頭部動(dòng)作,，頭部運(yùn)動(dòng)分為上下和左右運(yùn)動(dòng)2個(gè)自由度,，需要2個(gè)步進(jìn)電機(jī)控制，DSF完成語音識(shí)別以后,，輸出相應(yīng)的動(dòng)作指令,，動(dòng)作執(zhí)行結(jié)束后，DSP發(fā)出歸零指令,，頭部回到初試狀態(tài),。FPGA的作用是提供DSP接口邏輯，設(shè)置存儲(chǔ)DSP指令的RAM塊,，同時(shí)產(chǎn)生步進(jìn)電機(jī)驅(qū)動(dòng)脈沖控制步進(jìn)電機(jī)轉(zhuǎn)動(dòng)方向和角度,。

            FPGA器件為動(dòng)作指令控制單元，設(shè)計(jì)采用FLEXlOKE芯片,，接收DSP數(shù)據(jù)后并行控制2路步進(jìn)電機(jī),。FPGA內(nèi)部結(jié)構(gòu)邏輯如圖4所示，F(xiàn)PGA內(nèi)部設(shè)置2個(gè)元件為電機(jī)脈沖發(fā)生器,，控制電機(jī)的工作脈沖以及正反轉(zhuǎn),。AO～A7為DSP數(shù)據(jù)輸入端口，WR為數(shù)據(jù)寫端口,，P1,，P2為2個(gè)步進(jìn)電機(jī)驅(qū)動(dòng)芯片脈沖輸入口，L1，L2為電機(jī)正反轉(zhuǎn)控制口,，ENABLE為使能信號(hào),。

         RAM1和RAM2分別為2個(gè)步進(jìn)電機(jī)的指令寄存器，電機(jī)脈沖發(fā)生器發(fā)出與RAM中相應(yīng)數(shù)量的方波脈沖,。DSP通過DO～D8數(shù)據(jù)端輸出8位指令,，其中。D8為RAM選擇,，為1時(shí)選擇RAM1,，為0時(shí)選擇RAM0，DO～D7為輸出電機(jī)角度,，電極上下和左右旋轉(zhuǎn)角度為120°,，精度為1°，初始值都為60°,，DO～D7的范圍為00000000～11111000,，初始值為00111100。FPGA作為步進(jìn)脈沖發(fā)生器,，通過時(shí)鐘周期配置控制電機(jī)轉(zhuǎn)速,，與初始值對(duì)應(yīng)坐標(biāo)決定正反轉(zhuǎn)。系統(tǒng)動(dòng)作指令程序如圖5所示,。

         其中R1為DSP指令寄存器,，R2為當(dāng)前坐標(biāo)寄存器，通過DSP的輸出坐標(biāo)與FPGA的當(dāng)前坐標(biāo)進(jìn)行差值運(yùn)算來確定步進(jìn)電機(jī)的旋轉(zhuǎn)方向和旋轉(zhuǎn)角度,，優(yōu)點(diǎn)是可以根據(jù)新的輸入指令的變化,，結(jié)束當(dāng)前動(dòng)作以運(yùn)行新的指令，指令執(zhí)行完畢后,，系統(tǒng)清零,，步進(jìn)電機(jī)回到初始狀態(tài)。

         4．2 FPGA邏輯仿真

          FPGA以MAX-PLUSⅡ開發(fā)平臺(tái),，用語言為VHDL語言對(duì)上述邏輯功能進(jìn)行設(shè)計(jì),，并通過JTAG接口進(jìn)行了調(diào)試，F(xiàn)LEXl0KE芯片能夠根據(jù)DSP輸出指令輸出正確的正反轉(zhuǎn)信號(hào)和脈沖波形,。

         4．3 步進(jìn)電機(jī)驅(qū)動(dòng)設(shè)計(jì)

            FPGA通過P1,，L1，P2,，L2輸出控制控制步進(jìn)電機(jī)驅(qū)動(dòng)芯片,。步進(jìn)電機(jī)驅(qū)動(dòng)采用的是東芝公司生產(chǎn)的單片正弦細(xì)分二相步進(jìn)電機(jī)驅(qū)動(dòng)專用芯片TA8435H，F(xiàn)PGA與TA8435H電路連接如圖6,。

         由于FLEX1OKE和TMS320VC5509工作電壓為3．3 V,，而TA8435H為5 V和25 V,，所以管腳連接使用光電耦合器件TLP521，使兩邊電壓隔離,。CLK1為時(shí)鐘輸入腳,，CW／CCW為正反轉(zhuǎn)控制腳，A,，A,，B，B為二相步進(jìn)電機(jī)輸入,。

         5 結(jié) 語

         系統(tǒng)充分利用了DSP的高處理速度和可擴(kuò)展的片外存儲(chǔ)空間,，具有高速、實(shí)時(shí),、識(shí)別率高的特點(diǎn)并支持大的語音庫,，F(xiàn)PGA的使用使系統(tǒng)電路獲得簡(jiǎn)化，一片F(xiàn)LEXl0KE芯片可以完成2個(gè)步進(jìn)電機(jī)的時(shí)序控制,。雖然在處理速度和語音庫的存儲(chǔ)容量上與PC機(jī)系統(tǒng)具有一定的差距，但在機(jī)器人的微型化,、低功耗和特定功能實(shí)現(xiàn)上,，以DSP和FPGA為核心的嵌入式系統(tǒng)無疑具有廣闊的前景。