C8051F040單片機在語(yǔ)音識別系統中的應用

語(yǔ)音識別是人機交互的一種重要技術(shù)手段。根據實(shí)際需要和應用場(chǎng)合的不同，語(yǔ)音識別可以分為孤立詞識別和連續語(yǔ)音識別、特定人識別和非特定人識別。語(yǔ)音識別追求的主要指標為高識別率、實(shí)時(shí)性和大詞匯量；而對于一個(gè)語(yǔ)音識別系統，還應考慮軟硬件設計簡(jiǎn)單、價(jià)格低廉、外圍控制靈活、人機交互便捷等特點(diǎn)。性能良好且成本低廉的語(yǔ)音識別系統在智能家電接口、智能玩具、智能儀器等領(lǐng)域提供便捷的人機交互服務(wù)，將具有廣闊的應用前景。

語(yǔ)音識別系統構成

語(yǔ)音識別系統主要包括識別單元選取、預處理、特征提取、模式匹配、參考模式庫等幾個(gè)部分。根據模式識別的原理，對未知的語(yǔ)音的模板與已知語(yǔ)音的參考模板逐一進(jìn)行比較，得到的最佳匹配的參考模板就是識別的最終結果。語(yǔ)音識別的系統框圖如圖1所示。

初步處理：語(yǔ)音信號首先經(jīng)過(guò)話(huà)筒會(huì )變成電信號，之后進(jìn)行初步處理。初步處理包括對信號進(jìn)行的濾波、數字化、預加重、分幀加窗以及端點(diǎn)檢測等一系列步驟。通過(guò)這些處理，將語(yǔ)音信號變成數字信號，并利用窗函數把語(yǔ)音數據序列分成連續的信號幀，找出信號中的語(yǔ)音部分。

特征提?。盒盘柦?jīng)過(guò)初步處理之后，進(jìn)入特征提取單元進(jìn)行特征分析和特征提取。提取特征單元的功能一般是完成基于頻譜的特征矢量的計算，提取出代表信號特征的參數，形成矢量模板。語(yǔ)音幀的特征矢量按照一定的規則進(jìn)行處理之后，作為參考模型和待識別語(yǔ)音的模板。

參考模型庫：參考模型庫就是語(yǔ)音信號的參考模板庫，通常是對說(shuō)話(huà)人進(jìn)行多次重復的語(yǔ)音訓練之后，使用平均或者聚類(lèi)的分析方法，對這些語(yǔ)音信號進(jìn)行一系列的分析和計算得到的特征矢量模板組成。

模板匹配：模板匹配單元完成特征矢量與已存語(yǔ)音信號模板之間的匹配計算。將輸入語(yǔ)音形成的特征矢量模板與訓練得的到語(yǔ)音模板庫進(jìn)行分析比較，根據一定的搜索和匹配原則找出與參考模板中差別最小的特征矢量模板，然后根據此模板對應的語(yǔ)音信號找出識別結果。

語(yǔ)音識別系統的設計思想

隨著(zhù)語(yǔ)音識別算法的發(fā)展以及嵌入式設備的運算能力的提高，在具有一定計算能力和存儲空間的嵌入式硬件平臺上實(shí)現語(yǔ)音識別，進(jìn)而取代一些繁雜的直接操作已經(jīng)成為了語(yǔ)音識別的重要發(fā)展方向。本系統是基于C8051F040單片機的語(yǔ)音識別系統，其識別框架如圖2所示。

嵌入式語(yǔ)音識別系統的工作過(guò)程：首先采集語(yǔ)音信號，在程序運行時(shí)，通過(guò)控制模塊輸入當前需要進(jìn)行的模板的訓練操作，輸入完成后系統采集特定人的語(yǔ)音信號，A/D轉換之后進(jìn)入控制器，通過(guò)一系列的算法建立起該特定人的標準語(yǔ)音庫，并將其存入存儲電路之中；在語(yǔ)音識別時(shí)，首先通過(guò)控制模塊輸入當前需要進(jìn)行的操作，然后采集用戶(hù)的語(yǔ)音，將采集到的信號進(jìn)行一系列運算處理提取出特征矢量模板，存入存儲單元之中，并與標準語(yǔ)音庫中的語(yǔ)音命令進(jìn)行比較，在允許的誤差范圍內找出語(yǔ)音庫中最接近該段音頻的語(yǔ)音信號，并把該語(yǔ)音信號作為識別結果通過(guò)顯示模塊告知用戶(hù)。

語(yǔ)音識別系統的硬件結構

語(yǔ)音識別系統的硬件部分主要由聲音采集模塊（拾音器以及功率放大電路）、帶通濾波器、存儲電路、串口通信電路、鍵盤(pán)控制電路、顯示電路以及微控制器等幾個(gè)基本單元組成。系統的硬件組成框圖如圖3所示。

系統的微控制器部分是整個(gè)系統的控制中心，主要完成對語(yǔ)音信號的存儲、對外部命令的響應、算法的實(shí)現以及實(shí)驗結果的輸出。本系統的采樣功能由單片機本身實(shí)現，選用的C8051F040型號單片機包含有A/D采樣的功能，而且采樣速率能夠滿(mǎn)足進(jìn)行語(yǔ)音信號時(shí)所需要的采樣頻率。

進(jìn)行語(yǔ)音實(shí)驗時(shí)，語(yǔ)音首先要進(jìn)入聲音采集模塊。聲音采集模塊由拾音器和功率放大器組成。拾音器用于將語(yǔ)音信號轉化成電信號。當語(yǔ)音信號從拾音器出來(lái)之后會(huì )轉換成微弱的電信號（毫伏級），因此在拾音器的后端需要將該電信號進(jìn)行放大處理（放大到伏級），這就是該模塊中功率放大電路的作用。

一般的語(yǔ)音最高頻率是3.4KHz，最低頻率為300Hz，而在語(yǔ)音信號通過(guò)輸入系統之后需要對該頻率段之外的頻率成分濾除，以提高語(yǔ)音的信噪比。帶通濾波器用于對語(yǔ)音信號進(jìn)行濾波，以保留300Hz~3.4KHz的信號。為了實(shí)現對放大后信號的濾波處理，帶通濾波器可由低通濾波器和高通濾波器級聯(lián)而成，即設計一個(gè)下限截止頻率為300Hz的高通濾波器和上限截止頻率為3.4KHz的低通濾波器來(lái)級聯(lián)。

語(yǔ)音信號的采集一般需要8KHz的采樣頻率，而單片機本身片上資源較少，當存儲語(yǔ)音數據時(shí)可能會(huì )有存儲空間不夠的情況，此時(shí)，系統需要外部存儲器。

鍵盤(pán)控制模塊用于對語(yǔ)音的錄入、模版的訓練和語(yǔ)音信號的識別過(guò)程進(jìn)行控制。

LCD顯示模塊用于顯示當前的系統狀況和識別結果，以便提示用戶(hù)進(jìn)行下一步的操作。

串口通信模塊用于實(shí)現上下位機之間的點(diǎn)對點(diǎn)通訊。

語(yǔ)音識別系統的硬件設計

微控制器

語(yǔ)音信號的數據量非常大，系統語(yǔ)音識別時(shí)需要具有較強的計算能力。系統選用C8051F040單片機作為處理器。

C8051F040單片機是完全集成的混合信號系統級芯片，采用了流水線(xiàn)處理技術(shù)，除了不再劃分時(shí)鐘周期和機器周期，還能在執行指令期間對下一條指令進(jìn)行預處理，因而大大提高了指令的執行速度。C8051F040有著(zhù)強大的處理能力，它在一個(gè)芯片內集成了數據采集和控制所需的幾乎全部硬件外設，代表了目前8位單片機的發(fā)展方向。

電源系統

本系統外部提供9V的直流電源，因此采用線(xiàn)性穩壓芯片7805作為電壓調節和穩壓器件來(lái)將較高的直流電壓轉變成所需的工作電壓，即將9V~12V電源轉換為穩定的5V直流電源。

使用7805芯片進(jìn)行穩壓之后，采用AS1117芯片穩壓數字電源DV和模擬電源AV的輸入。

輸入系統

輸入系統用于把語(yǔ)音信號通過(guò)麥克風(fēng)變成電信號。同時(shí)，由于語(yǔ)音信號比較微弱，所以必須要將電信號適當地放大。一般情況下，拾音器的輸出為毫伏級的電壓，要將電壓信號放大到伏級，需要放大的倍數大致為1000倍。

由于輸入到放大器的信號很微小，為了減小動(dòng)態(tài)誤差，本系統處于深度反饋之中。同相放大器的電壓放大倍數一般在1~100之間，由于放大倍數為1000左右，本文選擇NE5532芯片進(jìn)行兩級同向放大器的設計。在兩級放大電路中，前一級的輸出信號就是后一級的輸入信號，后一級的輸入電阻就是前一級的負載。兩級放大電路的電壓放大倍數等于各級電壓放大倍數的乘積。

帶通濾波電路

語(yǔ)音的頻率范圍一般為300Hz~3.4KHz，為了提高語(yǔ)音信號的質(zhì)量，可以在輸入與輸出的回路中設計一個(gè)帶通濾波器來(lái)濾除語(yǔ)音頻率范圍以外的頻率成分。本文采用運算放大器NE5532設計巴特沃斯帶通濾波器。這個(gè)帶通濾波器通過(guò)前級的二階壓控型低通濾波器與后級的二階壓控高通濾波器級聯(lián)而成。需要低通濾波器的上限截止頻率為3.4KHz，高通濾波器的下限截止頻率為300Hz。

存儲系統

在系統中，對語(yǔ)音信號的存儲以及識別算法要求系統有足夠的空間來(lái)存儲這些原始數據和中間數據。本文選擇的C8051F040單片機雖然集成了4KB的外部?jì)却?，但是對于系統大量的存儲需要，還需要擴展外部?jì)却?。語(yǔ)音識別時(shí)采用8KHz的采樣率，每段2s的音頻信號至少需要16KB的存儲空間，因此系統使用外擴256K字節的FLASH ROM作為語(yǔ)音參考模板的存儲空間。對于待識別語(yǔ)音，本系統外擴了32K字節的SRAM作為存儲空間，這樣就至少能錄制4s的語(yǔ)音信號，滿(mǎn)足需求。在擴展內存之時(shí)，為了配置端口的方便考慮，將其擴展到P4~P7口，即P7口對應于8位數據線(xiàn)，P6口對應于地址線(xiàn)的高8位。

通信電路

為了便于系統調試，系統采用串口通信作為單片機與上位機之間的通訊方式，將計算數據和識別結果傳輸到機之中。

C8051F040有兩種串行通信總線(xiàn)：增強型串行通信總線(xiàn)UART0和異步全雙工串行通信總線(xiàn)UART1。