基于非特定人車(chē)載音響語(yǔ)音控制系統的設計與實(shí)現

隨著(zhù)現代電子技術(shù)的發(fā)展，越來(lái)越多的車(chē)載電器被加入到車(chē)身電子行列中，其在使得汽車(chē)性能改善的同時(shí)，增加了汽車(chē)駕駛操作的復雜度，也給行車(chē)過(guò)程帶來(lái)了不安全的隱患。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，出現了使用語(yǔ)音控制代替手動(dòng)控制的車(chē)載電器，從而減輕駕駛員手動(dòng)操作負擔，大大提高行車(chē)安全系數。
　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，沒(méi)有充分發(fā)揮語(yǔ)音識別技術(shù)在車(chē)身電子中的應用價(jià)值。本文首次提出了一種的以專(zhuān)用語(yǔ)音處理芯片UniSpeech-SDA80D51為核心組成非特定人車(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。該系統在江淮同悅SL1102C1型車(chē)載音響上進(jìn)行了語(yǔ)音控制實(shí)驗，實(shí)驗數據表明系統語(yǔ)音識別率可達到95%，為下一步項目產(chǎn)品化開(kāi)發(fā)奠定了基礎。
1 車(chē)載音響語(yǔ)音控制系統
　非特定人車(chē)載音響語(yǔ)音控制系統結構框圖如圖1 所示。

　系統的主要功能是：語(yǔ)音采集模塊(由定向拾音器組成)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息?？刂颇K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，通過(guò)系統I/O接口驅動(dòng)車(chē)載音響動(dòng)作，完成駕駛員的語(yǔ)音命令。
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)域新推出的專(zhuān)用芯片，采用高集成度的SoC系統結構，以0.18 μm半導體工藝制造，SDA80D51的基本結構如圖2所示。

　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 控制模塊
　控制模塊由MCU和模擬開(kāi)關(guān)電路構成，本模塊主要完成對語(yǔ)音識別模塊輸出的詞條編碼信號進(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控制音響的動(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3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前板上的按鍵為電壓采樣識別方式，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，直接采用I/O信號驅動(dòng)音響按鍵動(dòng)作容易引起誤識別，造成系統誤操作，因此本文采用圖3所示的模擬開(kāi)關(guān)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)相應繼電器吸合模擬按鍵動(dòng)作，按鍵的短按和長(cháng)按功能是通過(guò)軟件實(shí)現的。
　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，其工作原理如圖4所示。
由圖4可知，編碼開(kāi)關(guān)上有A、B、C三個(gè)端子，開(kāi)關(guān)旋鈕左、右旋轉時(shí)，A、B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)繼電器動(dòng)作，控制端子A、B輸出信號，模擬開(kāi)關(guān)旋鈕功能。

2 系統軟件設計
　系統的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HMM模型算法。該算法通過(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口輸出識別結果對應的詞條編碼信號。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，非特定人語(yǔ)音識別模塊框圖如圖5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。
語(yǔ)音信號是聲道響應和聲門(mén)激勵信號的卷積。分別求聲道傳輸函數和聲門(mén)激勵信號的對數頻率響應，由于聲門(mén)激勵信號的頻率響應和聲道傳輸函數在頻譜的變化快慢不同，如將頻率軸視為時(shí)間軸，則聲門(mén)激勵信號的頻率響應對應于“高頻”區；而聲道傳輸函數對應于“低頻”區，處在不同區域就易于分辨。
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濾波器的對數能量輸出，i=1，2，…，D。
2.1.3 HMM語(yǔ)音識別算法
　隱馬爾可夫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。