基于STM32的嵌入式語(yǔ)音識別模塊設計

摘要：介紹了一種以ARM為核心的嵌入式語(yǔ)音識別模塊的設計與實(shí)現。模塊的核心處理單元選用ST公司的基于ARM Cortex-M3內核的32位處理器STM32F103C8T6。本模塊以對話(huà)管理單元為中心，通過(guò)以L(fǎng)D3320芯片為核心的硬件單元實(shí)現語(yǔ)音識別功能，采用嵌入式操作系統μC／OS-II來(lái)實(shí)現統一的任務(wù)調度和外圍設備管理。經(jīng)過(guò)大量的實(shí)驗數據驗證，本文設計的語(yǔ)音識別模塊具有高實(shí)時(shí)性、高識別率、高穩定性的優(yōu)點(diǎn)。
關(guān)鍵詞：ARM；語(yǔ)音識別；對話(huà)管理；LD3320；μC／OS-II

引言
服務(wù)機器人以服務(wù)為目的，因此人們需要一種更方便、更自然、更加人性化的方式與機器人交互，而不再滿(mǎn)足于復雜的鍵盤(pán)和按鈕操作。基于聽(tīng)覺(jué)的人機交互是該領(lǐng)域的一個(gè)重要發(fā)展方向。目前主流的語(yǔ)音識別技術(shù)是基于統計模式。然而，由于統計模型訓練算法復雜，運算量大，一般由工控機、PC機或筆記本來(lái)完成，這無(wú)疑限制了它的運用。嵌入式語(yǔ)音交互已成為目前研究的熱門(mén)課題。
嵌入式語(yǔ)音識別系統和PC機的語(yǔ)音識別系統相比，雖然其運算速度和內存容量有一定限制，但它具有體積小、功耗低、可靠性高、投入小、安裝靈活等優(yōu)點(diǎn)，特別適用于智能家居、機器人及消費電子等領(lǐng)域。

1 模塊整體方案及架構
語(yǔ)音識別的基本原理如圖1所示。語(yǔ)音識別包括兩個(gè)階段：訓練和識別。不管是訓練還是識別，都必須對輸入語(yǔ)音預處理和特征提取。訓練階段所做的具體工作是通過(guò)用戶(hù)輸入若干次訓練語(yǔ)音，經(jīng)過(guò)預處理和特征提取后得到特征矢量參數，最后通過(guò)特征建模達到建立訓練語(yǔ)
音的參考模型庫的目的。而識別階段所做的主要工作是將輸入語(yǔ)音的特征矢量參數和參考模型庫中的參考模型進(jìn)行相似性度量比較，然后把相似性最高的輸入特征矢量作為識別結果輸出。這樣，最終就達到了語(yǔ)音識別的目的。

現有的語(yǔ)音識別技術(shù)按照識別對象可以分為特定人識別和非特定人識別。特定人識別是指識別對象為專(zhuān)門(mén)的人，非特定人識別是指識別對象是針對大多數用戶(hù)，一般需要采集多個(gè)人的語(yǔ)音進(jìn)行錄音和訓練，經(jīng)過(guò)學(xué)習，達到較高的識別率。
基于現有技術(shù)開(kāi)發(fā)嵌入式語(yǔ)音交互系統，目前主要有兩種方式：一種是直接在嵌入式處理器中調用語(yǔ)音開(kāi)發(fā)包；另一種是嵌入式處理器外圍擴展語(yǔ)音芯片。第一種方法程序量大，計算復雜，需要占用大量的處理器資源，開(kāi)發(fā)周期長(cháng)；第二種方法相對簡(jiǎn)單，只需要關(guān)注語(yǔ)音芯片的接口部分與微處理器相連，結構簡(jiǎn)單，搭建方便，微處理器的計算負擔大大降低，增強了可靠性，縮短了開(kāi)發(fā)周期。
語(yǔ)音識別技術(shù)在國內外的發(fā)展十分迅速。目前國內在PC應用領(lǐng)域，具有代表性的有：科大訊飛的InterReco2．0、中科模式識別的Pattek ASR3．0、捷通華聲的jASRv5．5；在嵌入式應用領(lǐng)域，具有代表性的有：凌陽(yáng)的SPCE061A、ICRoute的LD332X、上海華鎮電子的WS-117。
本文的語(yǔ)音識別方案是以嵌入式微處理器為核心，外圍加非特定人語(yǔ)音識別芯片及相關(guān)電路構成。語(yǔ)音識別芯片選用ICRoute公司的LD33 20芯片。