隨著電子技術的迅速發(fā)展,，家用電器及其他電子產(chǎn)品日趨人性化,。為了實現(xiàn)語音處理和語音控制，這里設計了基于凌陽單片機的通用型語音控制系統(tǒng),。該系統(tǒng)主要用來完成語音識別,、語音控制和語音播放等綜合功能，使家用電器及其他電子產(chǎn)品實現(xiàn)語音的自動控制,。目前國內(nèi)還沒有此類設計方案,。該方案主要分為語音識別模塊設計、語音播放模塊設計和語音控制模塊設計,，只采用單片芯片就可實現(xiàn)語音處理和控制功能,。此外，通過對一整套圖形化的通用型語音集成軟件進行開發(fā),，可使用戶只需要輸入語音素材的有關參數(shù),，即可實現(xiàn)代碼的自動生成。下面介紹通用型語音控制系統(tǒng)的設計方案,。
1 通用型語音控制系統(tǒng)設計方案
圖1給出通用型語音控制系統(tǒng)方框圖,。
語音識別模塊的主要作用是完成語音辨識，本設計采用特定發(fā)音人識別模式,。語音識別功能采用語音識別電路,，并通過軟件編程來實現(xiàn)。語音播放模塊的主要作用是完成語音播放,。語音播放功能采用語音播放電路,，并通過軟件編程來實現(xiàn)。語音控制模塊的主要作用是使語音識別和語音播放實現(xiàn)自動控制,。語音控制功能采用語音控制電路，并通過軟件編程來實現(xiàn),。主控制器部分的主要作用是將語音控制系統(tǒng)嵌入到家電產(chǎn)品及其他電子產(chǎn)品中后,，使電子產(chǎn)品的所有功能實現(xiàn)語音的自動控制。
1. 1 凌陽單片機SPCE061A簡介
SPCE061A是凌陽科技推出的一個16位結構的微控制器,。CPU時鐘頻率為0．32～49．152 MHz,，具有較高的處理速度，可使μ’nSPTM能夠非常容易,、快速地處理復雜的數(shù)字信號,；擁有可編程音頻處理,；內(nèi)置2 KWord的SRAM和32 KWord的FLASH；2個16位可編程定時器／計數(shù)器(可自動預置初始計數(shù)值),，2個10位DAC輸出通道,，32位通用可編程輸入／輸出端口。它是數(shù)字語音識別應用領域產(chǎn)品中的一種比較經(jīng)濟的選擇,。
1．2 通用型語音集成軟件
開發(fā)了一套通用型語音集成軟件,，用戶無需進行代碼修改，只需要輸入語音素材的相關參數(shù),，即可實現(xiàn)代碼的自動生成,。如圖2所示，是通用型語音集成軟件vO．1版的操作界面,。
2 語音播放模塊設計
語音處理大致可以分為A／D,、編碼處理、存儲,、解碼處理以及D／A等,。然而，麥克風輸入所生成的WAVE文件,，其占用的存儲空間很大,，對于單片機來說想要存儲大量的信息顯然是不可能的，而凌陽SPCE061A提出了解決的方法,，即SACM-LIB,，該庫可將A／D、編碼,、解碼,、存儲及D／A做成相應的模塊，對應的每個模塊都有其應用程序接口API,，所以只需了解每個模塊所要實現(xiàn)的功能及其參數(shù)的內(nèi)容,，然后調(diào)用該API函數(shù)即可實現(xiàn)該功能。
3 語音識別模塊設計
3．1 語音識別原理
語音識別系統(tǒng)包括學習訓練過程和識別過程2大部分,，基本原理如圖3所示,。
(1)預處理。包括預加重,、加窗分幀,、端點檢測等處理過程，在預處理之前還有語音信號的數(shù)字化處理過程,。其中,，包括反混疊濾波、模／數(shù)轉(zhuǎn)換自動增益等用以去除聲門激勵、口鼻輻射,、高于1／2采樣率的高頻信號和噪聲信號的影響,，以實現(xiàn)語音信號的數(shù)字化。
(2)聲學特征分析提取,。經(jīng)過預處理后的語音信號,，要對其進行特征提取，即特征參數(shù)分析,。該過程就是從原始語音信號中抽取能夠反映語音本質(zhì)的特征參數(shù),，以形成特征矢量序列。目前語音識別所用的特征參數(shù)主要有2種類型：線性預測倒譜系數(shù)(LPCC)和美爾頻標倒譜系數(shù)(MFCC),。LPCC系數(shù)主要是模擬人的發(fā)聲模型,，未考慮人耳的聽覺特性。MFCC系數(shù)考慮到了人的聽覺特性,，但要計算傅里葉變換將耗費大量寶貴的計算資源,。因此，在嵌入式語音識別系統(tǒng)中一般都選用LPCC系數(shù),。語音特征提取是分幀提取的,，每幀特征參數(shù)一般構成一個矢量。為此,，有必要采用很有效的數(shù)據(jù)壓縮技術方法對數(shù)據(jù)進行壓縮,。
(3)參考模板。參考模版時將一個或多個說話者多次重復的語音參數(shù)經(jīng)過訓練得到,，它是聲學參數(shù)模版,，在系統(tǒng)識別使用前獲得并存儲起來。
(4)判定識別,。模式識別是將輸入的待識別語音特征參數(shù)與訓練得到的參考語音模式進行逐一比較分析,，獲得的最佳匹配參考模式便為識別結果。目前常用的語音識別算法主要有動態(tài)時間規(guī)則,、離散隱馬爾可夫模型,、連續(xù)隱馬爾可夫模型及人工神經(jīng)網(wǎng)。
3．2 語音識別系統(tǒng)原理和算法
在SPCE061A內(nèi)置的8通道10位模／數(shù)轉(zhuǎn)換器(analog to digital converter,，ADC)中專門設置了一個只用于語音輸入的通道MIC_IN,，針對較弱信號的轉(zhuǎn)換還設計了一個音頻放大器(automation gain control，AGC),。對其自動增益控制放大后再進行A／D轉(zhuǎn)換,。實際上，可以把模／數(shù)轉(zhuǎn)換器看作是一個實現(xiàn)模／數(shù)信號轉(zhuǎn)換的編碼器,。ADC轉(zhuǎn)換的原理是依次把設定在逐次逼近寄存器SAR中的數(shù)字送至10位DAC0中進行D／
A轉(zhuǎn)換。DAC0的電壓模擬量輸出值與外部的電壓模擬量輸入值進行比較，以便盡快找出外部電壓模擬量的數(shù)字量輸出,，其輸出的模擬量VDAC0與采樣后的輸入電壓值VIN相比較時可采用對半搜索法,，即從SAR中最高有效位開始，根據(jù)比較的大小逐位確定其數(shù)碼取“1”,，其余位為“ 0”,。語音識別算法的原理是：在訓練過程中，從每個說話人發(fā)出的訓練語句中提取相應的能充分描述各個說話人行為的特征矢量,，這些特征矢量稱為各說話人的模板,。在測試階段，從說話人發(fā)出的語音信號中按同樣的處理方法提取測試模板,，并與相應的參考模板相比較,。由于說話人每次發(fā)音是變化的，測試模板和參考模板在時間尺度上不可能完全一致,。為了使二者能在時間等效點上加以比較,，采用了動態(tài)時間規(guī)整
法(DTW)?；驹硎窃趨⒖紭颖咎卣魇噶啃蛄蠥=[a1,，a2，…,，aM]與待識語音特征矢量序列B=[b1,，b2，…,，bN]之間用一種非線性規(guī)整技術實現(xiàn)匹配,。從目前來看，基于動態(tài)時間規(guī)整匹配的DTW算法可能是一個最為小巧的語音識別算法,，系統(tǒng)開銷小,，識別速度快，在小詞匯量的語音命令控制系統(tǒng)中是一個非常有效的算法,。在訓練階段,，用戶將詞匯表中的詞依次說一遍，提取出每一幀采樣數(shù)據(jù)的特征向量,，并將特征向量作為模板存入模板庫中,。在識別階段，提取待識語音的特征向量,，然后將其依次與模板庫中的每一個模板進行相似度比較,，并將相似度最高者作為結果輸出。
4 語音控制模塊設計
4．1 語音控制模塊設計
語音控制模塊硬件部分的功能采用設計的超小迷你電路板來完成,。該硬件具有結構簡單,，成本低,，體積小，易于家用電器嵌套等特點,。各I／O口的分配及功能是IOB4～IOB7為識別到特定語音后向外部發(fā)出信號的常用口,；IOB0～IOB1為向外發(fā)送信號的預留口；IOB2～IOB3是外部觸發(fā)SPCE061的外中斷觸發(fā)口,，當資源緊張時也可做為輸出端口,，如圖4所示。
4．2 主程序流程
至此,，整套系統(tǒng)完成了,。在使用時，第一次要進行特定人語音識別,，識別成功后,，自動存入FLASH，以后就無需再訓練,，上電后自動加載進RAM中,，然后進行識別，當識別到特定語音時,，IOB就發(fā)出相應信號,。
5 通用型語音集成軟件的設計
5．1 集成軟件的總體設計和所使用的工具
該方案的集成開發(fā)環(huán)境采用Visual Studio(VS)2005的VB．NET來設計。Visual Basic．NET是微軟公司推出的全新集成開發(fā)環(huán)境VS．NET的重要成員之一,，簡單,、易學、易用,，很多新特性也正適應了新一代軟件開發(fā)的需要,，只要稍有點語言基礎就可以很快掌握，進而精通,?？梢暬挠脩艚缑嬖O計功能，把程序設計人員從繁瑣復雜的界面設計中解脫出來,；可視化編程環(huán)境的“所見即所得”功能,，使界面設計如同積木游戲一般。
采用Visual Studio(VS)2005來編寫此集成開發(fā)環(huán)境,，極大地減輕了開發(fā)強度,，縮短了開發(fā)周期，也使它的代碼強度和可移植性大大提高,。
5．2 通用型語音集成軟件使用簡介
通用型語音集成軟件包括了語音識別模塊設計,、語音播放模塊設計、語音控制模塊設計的所有代碼自動生成,，如圖2所示,。開始可加入提示音,，單擊打開文件選項，選擇想要播放的語音,，后面方框打勾表示有此項功能,；下面是5條語音的播放和識別，每一條功能相同,，現(xiàn)簡介如下：第一條語音提示功能同上，觸發(fā)端口指辨識到該條語音后所觸發(fā)的端口號,，有IOB0～IOB7,，電平指向外發(fā)信號是低電平還是高電平，有高電平“1”和低電平“0”兩種情況可供選擇,，以適應不同的情況,。訓練成功語音提示指第一次訓練時每訓練成功1條指令的提示；訓練失敗語音提示指第一次訓練時失敗的提示,；訓練完成語音提示指第一次訓練成功時的語音指令提示,。
6 結語
該通用型語音控制系統(tǒng)結構簡單，成本低,，可擴充性強,，開發(fā)周期短，可廣泛應用于家用電器和其他各種電子產(chǎn)品中,。如果該方案能成功應用,，定會產(chǎn)生較好的經(jīng)濟效益和社會效益。