基于UniSpeech-SDA80D51的車(chē)載音響聲控系統

現代電子技術(shù)的發(fā)展，使得越來(lái)越多的車(chē)載電器加入到汽車(chē)電子行列中，在改善汽車(chē)性能的同時(shí)，也增加了汽車(chē)駕駛操作的復雜度，給行車(chē)過(guò)程帶來(lái)了不安全隱患。隨著(zhù)語(yǔ)音識別算法的改進(jìn)和新一代專(zhuān)用語(yǔ)音處理芯片的問(wèn)世，使得語(yǔ)音控制代替了手動(dòng)控制車(chē)載電器，從而減輕了駕駛員手動(dòng)操作負擔，大大提高了行車(chē)安全性。

目前我國的車(chē)身電子語(yǔ)音控制主要集中在汽車(chē)導航系統的應用上，語(yǔ)音識別技術(shù)在車(chē)身電子中的應用沒(méi)有充分發(fā)揮。本文首次提出了一種以專(zhuān)用語(yǔ)音處理芯片UniSpeech-SDA80D51為核心組成的非特定人車(chē)載音響語(yǔ)音控制系統的設計方案，并實(shí)現了系統樣機的研制。

1 車(chē)載音響語(yǔ)音控制系統

系統由語(yǔ)音采集、語(yǔ)音識別、控制驅動(dòng)和車(chē)載音響等模塊構成，系統完成的主要功能是：語(yǔ)音采集模塊用于采集駕駛員發(fā)出的語(yǔ)音命令信號，由語(yǔ)音識別模塊實(shí)現信號的A/D轉換, 并對轉換的數字信號進(jìn)行語(yǔ)音識別處理，最終輸出與語(yǔ)音命令相對應的詞條編碼信號，控制模塊對接收的詞條編碼信號進(jìn)行邏輯分析與處理并產(chǎn)生對應的控制信號驅動(dòng)車(chē)載音響動(dòng)作，代替駕駛員的手動(dòng)操作。

1.1 語(yǔ)音識別模塊

語(yǔ)音識別模塊主要由UniSpeech-SDA80D51芯片及外圍電路組成。

SDA80D51是德國Infineon公司專(zhuān)為語(yǔ)音識別和語(yǔ)音處理應用領(lǐng)域新推出的高集成度SoC專(zhuān)用芯片，其基本結構如圖1所示。

由圖1可知，SDA80D51片內集成了直接雙訪(fǎng)問(wèn)快速SRAM、2路ADC和2路DAC、多種通信接口和通用GPIO等部件。SDA80D51工作方式以M8051為主控制芯片，主要完成系統配置和SPI、PWM、I2C、GPIO等接口的控制以及語(yǔ)音數據的傳輸工作； DSP核心OAK為協(xié)處理器，完成語(yǔ)音識別算法、語(yǔ)音編解碼算法等語(yǔ)音處理工作。

非特定人語(yǔ)音信號由定向拾音器輸入，經(jīng)過(guò)SDA80D51內部的數據采集模塊進(jìn)行A/D轉換，再經(jīng)過(guò)識別程序的預處理、端點(diǎn)檢測、特征參數提取、模板匹配等處理，選擇識別詞表中最接近的詞條序號作為識別結果，識別結果通過(guò)GPIO口輸出。

1.2 控制驅動(dòng)模塊

控制驅動(dòng)模塊由MCU和模擬開(kāi)關(guān)及外圍電路構成，模塊主要用來(lái)接收語(yǔ)音識別結果，并對詞條編碼信號進(jìn)行邏輯分析和處理，通過(guò)模擬開(kāi)關(guān)電路產(chǎn)生對應功能的控制信號驅動(dòng)音響動(dòng)作。其中MCU選用美國ATMEL公司產(chǎn)品AT89S51，綜合AT89S51輸出I/O信號電壓特性和SL1102C1音響控制面板電阻式分流鍵盤(pán)電路的特點(diǎn)，確定使用繼電器模擬SL1102C1控制面板按鍵的閉合和斷開(kāi)動(dòng)作。AT89S51和繼電器模擬開(kāi)關(guān)電路原理圖如圖2所示。

1.3 音響模塊

本設計是基于SL1102C1型汽車(chē)音響。SL1102C1是專(zhuān)門(mén)為中檔轎車(chē)設計的汽車(chē)音響，具有MP3播放、收音機和顯示時(shí)間等功能，目前大量使用在江淮同悅轎車(chē)上。SL1102C1前板共有開(kāi)關(guān)機/靜音、音效、播放/暫停等15個(gè)按鍵和一個(gè)用來(lái)調節音量的編碼開(kāi)關(guān)。

SL1102C1前板鍵控為分壓識別方式，按鍵包含短按和長(cháng)按兩種動(dòng)作。AT89S51輸出電壓為T(mén)TL電平，直接驅動(dòng)音響容易引起鍵碼誤識別，造成系統誤操作，因此本文采用圖2所示電路，很好地解決了上述問(wèn)題。當AT89S51接收到語(yǔ)音編碼信號后，立即進(jìn)行邏輯分析并輸出對應的控制信號驅動(dòng)繼電器吸合模擬按鍵動(dòng)作，按鍵的短按和長(cháng)按功能通過(guò)軟件實(shí)現。

模擬開(kāi)關(guān)電路還適用于SL1102C1前板上的編碼開(kāi)關(guān)，編碼開(kāi)關(guān)具有音量調節功能。開(kāi)關(guān)旋鈕旋轉時(shí)，開(kāi)關(guān)上端子輸出對應的脈沖信號。當MCU收到操作編碼開(kāi)關(guān)的語(yǔ)音命令信號后，驅動(dòng)端子輸出脈沖信號，模擬開(kāi)關(guān)旋鈕功能。

2 系統軟件設計

系統軟件包括非特定人語(yǔ)音識別模塊和邏輯控制模塊。

2.1 非特定人語(yǔ)音識別模塊

非特定人語(yǔ)音識別模塊基于隱馬爾可夫模型算法。HMM算法通過(guò)對大量語(yǔ)音數據進(jìn)行數據統計，建立識別詞條的統計模型語(yǔ)音庫，然后從待識別語(yǔ)音中提取特征，與模型庫進(jìn)行匹配，由比較匹配分數得到識別結果，并通過(guò)SDA80D51的GPIO口輸出。非特定人語(yǔ)音識別模塊主要由信號預處理、特征參數提取、模型匹配和Viterbi算法部分組成，模塊框圖如圖3所示。

2.1.1 信號預處理

信號預處理部分主要完成輸入語(yǔ)音信號的采樣、 模/數轉換功能。A/D變換由SDA80D51內嵌12位A/D變換器實(shí)現，采樣頻率固定為8 kHz。

2.1.2 特征參數提取

特征參數提取基于語(yǔ)音幀，采用分幀提取特片。先對語(yǔ)音信號進(jìn)行重疊分幀，前一幀和后一幀重疊一半（幀信號重疊是體現相鄰兩幀數據之間的相關(guān)性），幀長(cháng)為25 ms，對每幀提取一次語(yǔ)音特片。

MFCC參數屬于感知頻域倒譜參數，反映了語(yǔ)音信號短時(shí)幅度譜的特征。p維MFCC參數的具體計算提取過(guò)程如下：

(1)用DFFT對每幀s(n:m)計算線(xiàn)性頻譜，計算頻譜模的平方為功率譜；

(2)功率譜經(jīng)過(guò) Mel 濾波器組獲得到D個(gè)參數X(i)，D是Mel濾波器組中三角形濾波器的數量；

(3)對X(i)做對數運算和離散余弦變換，余弦變換計算公式如下:

式中的Y(i)是第i個(gè)Mel濾波器對數能量的輸出，i=1,2,…,D。

2.1.3 HMM語(yǔ)音識別算法

隱馬爾可夫算法采用概率統計模型描述語(yǔ)音信號，HMM模型建立在Markov 鏈基礎上，使用 MarKov 鏈來(lái)模擬語(yǔ)音信號統計特性的變化。HMM模型為雙重隨機過(guò)程，其一是Markov鏈，由（π，A）描述狀態(tài)的轉移，輸出為狀態(tài)序列；另一個(gè)是隨機過(guò)程，由B描述，在統計意義上B反映了狀態(tài)和觀(guān)察值之間的對應關(guān)系，輸出為觀(guān)察值矢量序列。Markov鏈中狀態(tài)和時(shí)間參數都是離散的Markov 過(guò)程。

Viterbi 算法是一種幀同步動(dòng)態(tài)規整算法，在給定觀(guān)察值序列和模型時(shí)，Viterbi算法給出了一個(gè)概率密度P(Q，O|λ)最大的狀態(tài)序列。Viterbi算法包括初始化、遞推、終止、路徑回溯和確定最佳狀態(tài)序列。

對于語(yǔ)音處理而言，因Q的變化，P(Q，O|λ)取值范圍很大，而P(Q，O|λ)的最大值占了全部P(Q，O|λ)的很大的成分，所以可以用Viterbi算法來(lái)計算P(O|λ)。

2.2 控制模塊

控制模塊的主要功能是：在A(yíng)T89S51查詢(xún)到語(yǔ)音詞條信號后，查表獲得詞條編碼，根據編碼判斷對應按鍵是長(cháng)按或短按，分別進(jìn)入相應的子程序處理。在子程序中，輸出語(yǔ)音命令所對應的I/O控制信號驅動(dòng)繼電器吸合模擬按鍵或編碼開(kāi)關(guān)動(dòng)作，并及時(shí)復位I/O口?？刂颇K還具有完全兼容手動(dòng)控制的功能，在語(yǔ)音控制操作的同時(shí)也可以進(jìn)行手動(dòng)操作，手動(dòng)的優(yōu)先級高于語(yǔ)音命令，這樣可以避免語(yǔ)音控制和手動(dòng)控制之間沖突。

控制模塊部分程序代碼如下：

void main()
{…… //初始化
while(1)
{…… //初始化
while(P0 == 0x00) //等待語(yǔ)音信號
{ WDTRST=0x1E;
WDTRST=0xE1; //WD指令
YXSY=0;}
YXSY = 1;
if(date != P0)
{ delayms(6); //延時(shí)函數
date = P0;
if(date==1 || date==2) //開(kāi)機、靜音
{ PWR = 0; //電源按鈕按下
delayms(200);
PWR = 1;} //電源按鈕松開(kāi)
……
P1 = 0xff;
P2 = 0xff;}}}

3 系統實(shí)測結果

本系統在江淮同悅SL1102C1型車(chē)載音響上進(jìn)行了非特定人語(yǔ)音識別率和模擬開(kāi)關(guān)動(dòng)作準確率測試。由于汽車(chē)音響的語(yǔ)音詞條為2～4個(gè)字，語(yǔ)音識別率實(shí)驗內容為車(chē)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(shí)驗對象為6人4男、2女（普通話(huà)和方言），實(shí)驗環(huán)境為實(shí)驗室環(huán)境。為了提高系統的識別率，系統采用奧林巴斯 ME52定向麥克，提高了麥克接收范圍，系統測試結果如表1所示。

由表1可知，系統的識別率與語(yǔ)音指令詞條字數、麥克接收距離、說(shuō)話(huà)人方言有關(guān)。男聲和女聲的識別率接近。

在系統控制電路實(shí)驗中，模擬開(kāi)關(guān)動(dòng)作達到了較高的準確率，測試結果為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行閉合和斷開(kāi)模擬手動(dòng)開(kāi)關(guān)操作。

實(shí)現汽車(chē)電器的語(yǔ)音控制是未來(lái)車(chē)載電器的發(fā)展趨勢，越來(lái)越多的解決方案被不斷提出和驗證。本文提出的設計是在SL1102C1型車(chē)載音響上使用SDA80D51芯片，實(shí)現了車(chē)載音響非特定人的語(yǔ)音識別與控制。該設計得到的樣機有較高的識別率，工作穩定、可擴展性強，達到預期的設計目標，整個(gè)設計方案和實(shí)現方法是可行的。由于語(yǔ)音識別率隨著(zhù)環(huán)境、說(shuō)話(huà)人不同而變化，雖然HMM算法在噪聲很少的環(huán)境下可以獲得很高的識別率，但當測試語(yǔ)音或者環(huán)境中含有不同程度的噪聲污染時(shí)，語(yǔ)音識別系統的性能會(huì )有所下降。提高系統的抗噪性和魯棒性是語(yǔ)音識別系統走向實(shí)用化的關(guān)鍵之一。