語(yǔ)音識別技術(shù)原理及實(shí)用系統設計匯總

　　語(yǔ)音識別是以語(yǔ)音為研究對象，通過(guò)語(yǔ)音信號處理和模式識別讓機器自動(dòng)識別和理解人類(lèi)口述的語(yǔ)言。語(yǔ)音識別技術(shù)就是讓機器通過(guò)識別和理解過(guò)程把語(yǔ) 音信號轉變?yōu)橄鄳奈谋净蛎畹母呒夹g(shù)。語(yǔ)音識別是一門(mén)涉及面很廣的交叉學(xué)科，它與聲學(xué)、語(yǔ)音學(xué)、語(yǔ)言學(xué)、信息理論、模式識別理論以及神經(jīng)生物學(xué)等學(xué)科都 有非常密切的關(guān)系。語(yǔ)音識別技術(shù)正逐步成為計算機信息處理技術(shù)中的關(guān)鍵技術(shù)，語(yǔ)音技術(shù)的應用已經(jīng)成為一個(gè)具有競爭性的新興高技術(shù)產(chǎn)業(yè)。

　　1、語(yǔ)音識別的基本原理

　　語(yǔ)音識別系統本質(zhì)上是一種模式識別系統，包括特征提取、模式匹配、參考模式庫等三個(gè)基本單元，它的基本結構如下圖所示：

　 　未知語(yǔ)音經(jīng)過(guò)話(huà)筒變換成電信號后加在識別系統的輸入端，首先經(jīng)過(guò)預處理，再根據人的語(yǔ)音特點(diǎn)建立語(yǔ)音模型，對輸入的語(yǔ)音信號進(jìn)行分析，并抽取所需的特 征，在此基礎上建立語(yǔ)音識別所需的模板。而計算機在識別過(guò)程中要根據語(yǔ)音識別的模型，將計算機中存放的語(yǔ)音模板與輸入的語(yǔ)音信號的特征進(jìn)行比較，根據一定 的搜索和匹配策略，找出一系列最優(yōu)的與輸入語(yǔ)音匹配的模板。然后根據此模板的定義，通過(guò)查表就可以給出計算機的識別結果。顯然，這種最優(yōu)的結果與特征的選 擇、語(yǔ)音模型的好壞、模板是否準確都有直接的關(guān)系。

　　2、語(yǔ)音識別技術(shù)的發(fā)展歷史及現狀

　 　1952年，ATTBell實(shí)驗室的Davis等人研制了第一個(gè)可十個(gè)英文數字的特定人語(yǔ)音增強系統一Audry系統1956年，美國普林斯 頓大學(xué)RCA實(shí)驗室的Olson和Belar等人研制出能10個(gè)單音節詞的系統，該系統采用帶通濾波器組獲得的頻譜參數作為語(yǔ)音增強特征。1959 年，Fry和Denes等人嘗試構建音素器來(lái)4個(gè)元音和9個(gè)輔音，并采用頻譜分析和模式匹配進(jìn)行決策。這就大大提高了語(yǔ)音識別的效率和準確度。從此計算機 語(yǔ)音識別的受到了各國科研人員的重視并開(kāi)始進(jìn)入語(yǔ)音識別的研究。60年代，蘇聯(lián)的Matin等提出了語(yǔ)音結束點(diǎn)的端點(diǎn)檢測，使語(yǔ)音識別水平明顯上 升；Vintsyuk提出了動(dòng)態(tài)編程，這一提法在以后的識別中不可或缺。60年代末、70年代初的重要成果是提出了信號線(xiàn)性預測編碼（LPC）技術(shù)和動(dòng)態(tài) 時(shí)間規整（DTW）技術(shù)，有效地解決了語(yǔ)音信號的特征提取和不等長(cháng)語(yǔ)音匹配問(wèn)題；同時(shí)提出了矢量量化（VQ）和隱馬爾可夫模型（HMM）理論。語(yǔ)音識別技 術(shù)與語(yǔ)音合成技術(shù)結合使人們能夠擺脫鍵盤(pán)的束縛，取而代之的是以語(yǔ)音輸入這樣便于使用的、自然的、人性化的輸入方式，它正逐步成為信息技術(shù)中人機接口的關(guān) 鍵技術(shù)。

　　3、語(yǔ)音識別的方法

　　目前具有代表性的語(yǔ)音識別方法主要有動(dòng)態(tài)時(shí)間規整技術(shù)（DTW）、隱馬爾可夫模型（HMM）、矢量量化（VQ）、人工神經(jīng)網(wǎng)絡(luò )（ANN）、支持向量機（SVM）等方法。

　 　動(dòng)態(tài)時(shí)間規整算法（Dynamic Time Warping，DTW）是在非特定人語(yǔ)音識別中一種簡(jiǎn)單有效的方法，該算法基于動(dòng)態(tài)規劃的思想，解決了發(fā)音長(cháng)短不一的模板匹配問(wèn)題，是語(yǔ)音識別技術(shù)中出 現較早、較常用的一種算法。在應用DTW算法進(jìn)行語(yǔ)音識別時(shí)，就是將已經(jīng)預處理和分幀過(guò)的語(yǔ)音測試信號和參考語(yǔ)音模板進(jìn)行比較以獲取他們之間的相似度，按 照某種距離測度得出兩模板間的相似程度并選擇最佳路徑。

　　隱馬爾可夫模型（HMM）是語(yǔ)音信號處理中的一種統計模型，是由Markov鏈 演變來(lái)的，所以它是基于參數模型的統計識別方法。由于其模式庫是通過(guò)反復訓練形成的與訓練輸出信號吻合概率最大的最佳模型參數而不是預先儲存好的模式樣 本，且其識別過(guò)程中運用待識別語(yǔ)音序列與HMM參數之間的似然概率達到最大值所對應的最佳狀態(tài)序列作為識別輸出，因此是較理想的語(yǔ)音識別模型。

　 　矢量量化（Vector Quantization）是一種重要的信號壓縮方法。與HMM相比，矢量量化主要適用于小詞匯量、孤立詞的語(yǔ)音識別中。其過(guò)程是將若干個(gè)語(yǔ)音信號波形或 特征參數的標量數據組成一個(gè)矢量在多維空間進(jìn)行整體量化。把矢量空間分成若干個(gè)小區域，每個(gè)小區域尋找一個(gè)代表矢量，量化時(shí)落入小區域的矢量就用這個(gè)代表 矢量代替。矢量量化器的設計就是從大量信號樣本中訓練出好的碼書(shū)，從實(shí)際效果出發(fā)尋找到好的失真測度定義公式，設計出最佳的矢量量化系統，用最少的搜索和 計算失真的運算量實(shí)現最大可能的平均信噪比。

　　在實(shí)際的應用過(guò)程中，人們還研究了多種降低復雜度的方法，包括無(wú)記憶的矢量量化、有記憶的矢量量化和模糊矢量量化方法。

　 　人工神經(jīng)網(wǎng)絡(luò )（ANN）是20世紀80年代末期提出的一種新的語(yǔ)音識別方法。其本質(zhì)上是一個(gè)自適應非線(xiàn)性動(dòng)力學(xué)系統，模擬了人類(lèi)神經(jīng)活動(dòng)的原理，具有自 適應性、并行性、魯棒性、容錯性和學(xué)習特性，其強大的分類(lèi)能力和輸入—輸出映射能力在語(yǔ)音識別中都很有吸引力。其方法是模擬人腦思維機制的工程模型，它與 HMM正好相反，其分類(lèi)決策能力和對不確定信息的描述能力得到舉世公認，但它對動(dòng)態(tài)時(shí)間信號的描述能力尚不盡如人意，通常MLP分類(lèi)器只能解決靜態(tài)模式分 類(lèi)問(wèn)題，并不涉及時(shí)間序列的處理。盡管學(xué)者們提出了許多含反饋的結構，但它們仍不足以刻畫(huà)諸如語(yǔ)音信號這種時(shí)間序列的動(dòng)態(tài)特性。由于A(yíng)NN不能很好地描述 語(yǔ)音信號的時(shí)間動(dòng)態(tài)特性，所以常把ANN與傳統識別方法結合，分別利用各自?xún)?yōu)點(diǎn)來(lái)進(jìn)行語(yǔ)音識別而克服HMM和ANN各自的缺點(diǎn)。近年來(lái)結合神經(jīng)網(wǎng)絡(luò )和隱含 馬爾可夫模型的識別算法研究取得了顯著(zhù)進(jìn)展，其識別率已經(jīng)接近隱含馬爾可夫模型的識別系統，進(jìn)一步提高了語(yǔ)音識別的魯棒性和準確率。

　　支 持向量機（Support vector machine）是應用統計學(xué)理論的一種新的學(xué)習機模型，采用結構風(fēng)險最小化原理（Structural Risk Minimization，SRM），有效克服了傳統經(jīng)驗風(fēng)險最小化方法的缺點(diǎn)。兼顧訓練誤差和泛化能力，在解決小樣本、非線(xiàn)性及高維模式識別方面有許多 優(yōu)越的性能，已經(jīng)被廣泛地應用到模式識別領(lǐng)域。

　　4、語(yǔ)音識別系統的分類(lèi)

　　語(yǔ)音識別 系統可以根據對輸入語(yǔ)音的限制加以分類(lèi)。如果從說(shuō)話(huà)者與識別系統的相關(guān)性考慮，可以將識別系統分為三類(lèi)：（1）特定人語(yǔ)音識別系統。僅考慮對于專(zhuān)人的話(huà)音 進(jìn)行識別。（2）非特定人語(yǔ)音系統。識別的語(yǔ)音與人無(wú)關(guān)，通常要用大量不同人的語(yǔ)音數據庫對識別系統進(jìn)行學(xué)習。（3）多人的識別系統。通常能識別一組人的 語(yǔ)音，或者成為特定組語(yǔ)音識別系統，該系統僅要求對要識別的那組人的語(yǔ)音進(jìn)行訓練。

　　如果從說(shuō)話(huà)的方式考慮，也可以將識別系統分為三類(lèi)： （1）孤立詞語(yǔ)音識別系統。孤立詞識別系統要求輸入每個(gè)詞后要停頓。（2）連接詞語(yǔ)音識別系統。連接詞輸入系統要求對每個(gè)詞都清楚發(fā)音，一些連音現象開(kāi)始 出現。（3）連續語(yǔ)音識別系統。連續語(yǔ)音輸入是自然流利的連續語(yǔ)音輸入，大量連音和變音會(huì )出現。

　　如果從識別系統的詞匯量大小考慮，也可 以將識別系統分為三類(lèi)：（1）小詞匯量語(yǔ)音識別系統。通常包括幾十個(gè)詞的語(yǔ)音識別系統。（2）中等詞匯量的語(yǔ)音識別系統。通常包括幾百個(gè)詞到上千個(gè)詞的識 別系統。（3）大詞匯量語(yǔ)音識別系統。通常包括幾千到幾萬(wàn)個(gè)詞的語(yǔ)音識別系統。隨著(zhù)計算機與數字信號處理器運算能力以及識別系統精度的提高，識別系統根據 詞匯量大小進(jìn)行分類(lèi)也不斷進(jìn)行變化。目前是中等詞匯量的識別系統，將來(lái)可能就是小詞匯量的語(yǔ)音識別系統。這些不同的限制也確定了語(yǔ)音識別系統的困難度。

　　5、語(yǔ)音識別的應用

　　語(yǔ)音識別可以應用的領(lǐng)域大致分為大五類(lèi)：

　　辦公室或商務(wù)系統。典型的應用包括：填寫(xiě)數據表格、數據庫管理和控制、鍵盤(pán)功能增強等等。

　　制造業(yè)：在質(zhì)量控制中，語(yǔ)音識別系統可以為制造過(guò)程提供一種“不用手”、“不用眼”的檢控（部件檢查）。

　　電信：相當廣泛的一類(lèi)應用在撥號電話(huà)系統上都是可行的，包括話(huà)務(wù)員協(xié)助服務(wù)的自動(dòng)化、國際國內遠程電子商務(wù)、語(yǔ)音呼叫分配、語(yǔ)音撥號、分類(lèi)訂貨。

　　醫療：這方面的主要應用是由聲音來(lái)生成和編輯專(zhuān)業(yè)的醫療報告。

　　其他：包括由語(yǔ)音控制和操作的游戲和玩具、幫助殘疾人的語(yǔ)音識別系統、車(chē)輛行駛中一些非關(guān)鍵功能的語(yǔ)音控制，如車(chē)載交通路況控制系統、音響系統。

　　未來(lái)隨著(zhù)手持設備的小型化，甚至穿戴化，各種智能眼鏡，手表等層出不窮，當然找準市場(chǎng)突破口很重要，好的解決方案和系統設計參考也是必不可少的。

Nuance語(yǔ)音識別技術(shù)及解決方案

　　1.語(yǔ)音識別概述

　　語(yǔ)音識別技術(shù)，Automatic Speech Recognition，簡(jiǎn)稱(chēng)ASR，是一種讓機器聽(tīng)懂人類(lèi)語(yǔ)言的技術(shù)。語(yǔ)言是人類(lèi)進(jìn)行信息交流的最主要、最長(cháng)用、最直接的方式。語(yǔ)音識別技術(shù)是實(shí)現人機 對話(huà)的一項重大突破，在國外近年來(lái)發(fā)展十分迅速，其應用也逐步得到推廣。近幾年逐漸普及的IVR（自動(dòng)電話(huà)應答）處理了不少簡(jiǎn)單而又重復的咨詢(xún)工作，節省 了不少人力，但這種按鍵式的語(yǔ)音自動(dòng)應答卻讓客戶(hù)花費很多時(shí)間按指引來(lái)完成簡(jiǎn)單的查詢(xún)，令用戶(hù)倍感不便。

　　語(yǔ)音識別無(wú)疑可以解決該方面的問(wèn)題。語(yǔ)音識別系統的開(kāi)發(fā)成功，充分發(fā)揮了計算機技術(shù)和網(wǎng)絡(luò )技術(shù)的優(yōu)勢，采用先進(jìn)的人機對話(huà)方式，擺脫電話(huà)按鍵的束縛，人們只要象平常一樣對著(zhù)電話(huà)簡(jiǎn)單的說(shuō)出所需服務(wù)項目，即可輕松獲取自動(dòng)系統提供的所需信息。

語(yǔ)音識別系統結構

　　2.語(yǔ)音識別應用

　 　Nuance公司是自然語(yǔ)音接口軟件的佼佼者。使用自然語(yǔ)音接口軟件，人們可以通過(guò)電話(huà)方便安全地獲取信息、服務(wù)并進(jìn)行交易。每天，千千萬(wàn)萬(wàn)的人通過(guò)撥 打運行Nuance公司語(yǔ)音識別、語(yǔ)言理解和聲紋鑒別軟件的電話(huà)，進(jìn)行出游預訂、股票交易、與其它通訊媒體、企業(yè)和互聯(lián)網(wǎng)系統進(jìn)行交往等活動(dòng)。 NUANCE的應用：美國航空、Bell Atlantic、Charles Schwab、家庭購物網(wǎng)絡(luò )、Lloyds TSB、Sears、UPS 。

　　3.NUANCE語(yǔ)音識別特點(diǎn)

　　（1）海量詞匯、獨立于講話(huà)者的健壯識別功能

　　Nuance系統能可靠地對多種語(yǔ)言進(jìn)行大詞匯量的識別，并可提供識別結果的置信度。該系統對商業(yè)上使用的大量詞匯提供最準確的語(yǔ)音識別技術(shù)。利用Nuance系統開(kāi)發(fā)的應用程序，在市場(chǎng)上具有最高的準確率。生產(chǎn)中的應用程序經(jīng)測試，準確性超過(guò)96%。

　?。?）基于主機的客戶(hù)/服務(wù)機結構

　　Nuance系統基于開(kāi)放式客戶(hù)/服務(wù)機結構，特別為大型應用程序所需的健壯性和可伸縮性而設計。呼叫者的講話(huà)由客戶(hù)端收集，而識別和鑒別處理的負載被平均分配到網(wǎng)絡(luò )上的多個(gè)分開(kāi)的服務(wù)器上。

　?。?）N-Best處理

　　對于有些應用程序，可能需要識別引擎產(chǎn)生可能的識別結果集，而不是一個(gè)最好的結果。Nuance系統的N-best識別處理方法便有這個(gè)功能，它提供了可能的識別結果列表，并按可能性從高到低排列。

　?。?）語(yǔ)法概率

　　Nuance系統允許對呼叫者所講的特定詞語(yǔ)或短語(yǔ)的在語(yǔ)法中的概率進(jìn)行指定。當被講的詞語(yǔ)或短語(yǔ)的概率可根據實(shí)際使用進(jìn)行估計時(shí)，非常有用。對語(yǔ)法增加概率可提高識別的準確率和速度。

　　（5）降低噪音

　 　當進(jìn)來(lái)的呼叫包含穩定的背景噪音時(shí)，Nuance系統通過(guò)一種機制，使識別服務(wù)器更準確地進(jìn)行識別。識別服務(wù)器將進(jìn)來(lái)的話(huà)語(yǔ)進(jìn)行增強，以有效地將語(yǔ)氣、 嗡嗡聲、哼叫聲、噓噓聲等噪聲過(guò)濾。如果相當數量的電話(huà)均含有穩定的背景噪聲，比如在汽車(chē)上免提打電話(huà)時(shí)，這個(gè)機制效果較理想。

　　4.基于識別的應用

　　語(yǔ)音短信本身業(yè)務(wù)、公司電話(huà)簿、個(gè)人電話(huà)簿、智能點(diǎn)歌、股票查詢(xún)和交易、智能信息點(diǎn)播、列車(chē)時(shí)刻查詢(xún)

　?。?）基于語(yǔ)音識別的公司電話(huà)簿

　　公司電話(huà)薄應用描述

　　系統能支持多個(gè)接入號碼，虛擬多個(gè)公司的總機。并依靠語(yǔ)音識別技術(shù)，智能轉接到相應的用戶(hù)。

　　流程

　　用戶(hù)撥打接入碼，系統根據接入碼找到相應的公司數據庫，同時(shí)提醒用戶(hù)說(shuō)出相應的用戶(hù)，系統依據相應的用戶(hù)查詢(xún)數據庫，并得到該用戶(hù)的號碼，并通知交換機將該號碼接通。

　　公司電話(huà)簿特點(diǎn)

　　•系統支持電話(huà)接入方式

　　用戶(hù)可通過(guò)電話(huà)修改個(gè)人密碼，個(gè)人上班電話(huà)和非上班電話(huà)

　　•系統支持WEB接入方式

　　• 系統管理員可修改所有信息

　　• 各公司管理員可增加，刪除，修改本公司的電話(huà)信息

　?。?）基于語(yǔ)音識別的點(diǎn)歌功能

　　功能描述

　　用戶(hù)接入系統，提示用戶(hù)說(shuō)出歌名，并依靠語(yǔ)音識別技術(shù)，查找到該歌名，并播放給用戶(hù)。

　　應用流程

　 　用戶(hù)撥打接入碼，提示用戶(hù)說(shuō)出歌名或歌手名，并依靠語(yǔ)音識別技術(shù)，查找到該歌名或歌手名，若為歌名查詢(xún)數據庫，得到該歌存儲的路徑，并播放給用戶(hù)，若為 歌手名，則讀出該歌手的專(zhuān)輯，并提醒用戶(hù)選擇，用戶(hù)選擇后，讀出該專(zhuān)輯的歌名，并提醒用戶(hù)選擇，用戶(hù)選擇后，給用戶(hù)播放該歌曲。

基于ZigBee節點(diǎn)的智能家居系統語(yǔ)音控制設計

　　1 系統總體設計

　　系統總體結構如圖1所示，主要包括基于Samsung的S3C6410平臺的網(wǎng)關(guān)、基于SPCE061A的語(yǔ)音ZigBee子節點(diǎn)、電器繼電器控制ZigBee子節點(diǎn)、電器紅外控制ZigBee子節點(diǎn)等。其中各子節點(diǎn)與網(wǎng)關(guān)之間通過(guò)星型拓撲結構進(jìn)行連接。

　 　在對語(yǔ)音子節點(diǎn)進(jìn)行訓練之后，當語(yǔ)音節點(diǎn)采集接收到語(yǔ)音控制命令時(shí)，執行語(yǔ)音識別指令，通過(guò)CC2530收發(fā)模塊發(fā)送相應的控制指令到網(wǎng)關(guān)的主節點(diǎn)上。 主節點(diǎn)將接收到控制指令通過(guò)串口上傳到網(wǎng)關(guān)主機，主機在處理信息之后，再通過(guò)主節點(diǎn)發(fā)送相應的控制指令到控制子節點(diǎn)上，控制子節點(diǎn)在接收到相應的命令之后 就會(huì )執行相應的動(dòng)作，對被控對象進(jìn)行控制。

　　2 系統硬件設計

　?。?）網(wǎng)關(guān)。采用基于A(yíng)RM11架構的三星S3C6410處理器，與ZigBee主節點(diǎn)之間通過(guò)串口方式進(jìn)行通信。S3C6410是基于A(yíng)RM1176JZF-S的16/

　?。?）語(yǔ)音子節點(diǎn)。由凌陽(yáng)科技的SPCE061A單片機與ZigBec收發(fā)節點(diǎn)模塊組成。SPCE061A是凌 陽(yáng)科技推出的以μ’nSPTM為核心的16位結構的微控制器。具有8通道10位A/D轉換輸入功能，內置自動(dòng)增益控制功能的麥克風(fēng)輸入方式以及雙通道10 位DAC方式的音頻輸出功能。在使用SAC M_S240凌陽(yáng)音頻編碼方式時(shí)，可以容納長(cháng)達210 s的語(yǔ)音數據。因此被廣泛應用于數字語(yǔ)音識別領(lǐng)域中。

　 ?。?）電器控制繼電器子節點(diǎn)。由繼電器模塊與ZigBee收發(fā)節點(diǎn)組成。由于我國市電電壓在220 V左右，為了實(shí)現對部分家電開(kāi)關(guān)的控制，采用繼電器模塊，并通過(guò)ZigBee通信模塊的CC2530芯片的I/O引腳及其外圍驅動(dòng)電路，實(shí)現對繼電器模塊 的吸合與釋放控制?？梢钥刂拼昂?、燈光等開(kāi)關(guān)型電器。

　?。?）紅外控制子節點(diǎn)。由學(xué)習型紅外控制模塊與ZigBee收發(fā)子節點(diǎn)組成。目 前，紅外遙控類(lèi)型的家用電器的比例正逐步攀升。因此本文在設計研究中采用了學(xué)習型的紅外控制模塊，它與ZigBee收發(fā)子節點(diǎn)之間通過(guò)串口進(jìn)行通信。首先 使用一個(gè)或多個(gè)紅外模塊對現有的家電（如電視機、DVD、空調、投影儀等）紅外遙控器的信號進(jìn)行學(xué)習，把相應的編碼存放到紅外模塊的存儲器E2PROM 中，每條代碼對應一個(gè)地址。當該

　 ?。?）基于CC2530的ZigBee無(wú)線(xiàn)收發(fā)模塊。CC2530是TI公司推出的基于IEEE 802.15.4協(xié)議的片上系統。內嵌增強型單周期的8051CPU，具有8 KB的SRAM、2個(gè)支持多種串行通信協(xié)議的USART、21個(gè)通用的I/O引腳、寬電壓范圍（2～3.6 V）、低功耗（主動(dòng)模式RX：24 mA;主動(dòng)模式TX在1 dBm：29 mA）以及電源電量可監控等特點(diǎn)。在ZigBee協(xié)議棧中UART具有中斷、DMA兩種模式，本文設計中均采用了UART的中斷模式。

　　3 系統軟件設計

　　系統軟件設計主要包括下位機軟件與上位機軟件設計。在下位機程序設計過(guò)程中有2個(gè)關(guān)鍵點(diǎn)：對數字語(yǔ)音信號的采集、處理與識別;ZigBee收發(fā)模塊對控制信號的接收、發(fā)送與執行。而在上位機軟件設計中，主要是基于Visual C++的串口通信的編程。

　　上位機主程序流程圖如圖2所示。

　　S3C6410開(kāi)發(fā)平臺具有4個(gè)UART接口，在研究設計中，采用了芯片MAX 3232來(lái)解決ZigBee通信模塊的CC2530芯片與該開(kāi)發(fā)平臺之間的串口通信電平轉換。上位機通過(guò)串口接收語(yǔ)音子節點(diǎn)的控制指令數據，將數據處理后 用文字顯示控制命令，并通過(guò)與ZigBee主節點(diǎn)之間的串口通信，向子節點(diǎn)發(fā)送控制指令數據。

　　4 實(shí)驗及結果

　　4.1 實(shí)際應用舉例

　 　在對電動(dòng)窗簾進(jìn)行開(kāi)關(guān)控制時(shí)，首先將本系統的電器控制繼電器子節點(diǎn)與電動(dòng)窗簾的開(kāi)關(guān)量電機控制器相連接，準備好硬件電路。然后，通過(guò)串口編程使上位機的 ZigBee主節點(diǎn)在接收到語(yǔ)音子節點(diǎn)的窗簾開(kāi)關(guān)命令時(shí)，向ZigBee子節點(diǎn)發(fā)射窗簾控制信號，從而當控制窗簾的繼電器子節點(diǎn)接收到控制指令時(shí)，能夠控 制窗簾執行相應的開(kāi)關(guān)動(dòng)作。通過(guò)如依次說(shuō)出“控制器”、“打開(kāi)”、“窗簾”的命令時(shí)，語(yǔ)音子節點(diǎn)語(yǔ)音提示設備打開(kāi)，主機界面顯示設備所處控制的狀態(tài)，同時(shí) 窗簾打開(kāi)。

　　該語(yǔ)音控制智能家居系統能夠實(shí)現家用電器的聯(lián)動(dòng)。例如，可以通過(guò)依次說(shuō)出“控制器”、“家庭影院”的語(yǔ)音命令。這時(shí)上位機能夠按照程序設定逐步延時(shí)：打開(kāi)紅外遙控投影儀，紅外遙控幕簾，關(guān)閉窗簾，關(guān)閉部分燈光等來(lái)開(kāi)啟家庭影院模式。讓人們體驗真正的家居智能化。

　　4.2 ZigBee控制節點(diǎn)通信距離測試結果

　?。?）空曠場(chǎng)合測試。測試條件：CC2530模塊采用PCB天線(xiàn)，發(fā)射功率在1 mW，發(fā)射頻率在2.4 GHz。測試結果：通信距離最遠可達120 m。

　?。?）居家場(chǎng)合測試測試條件：同上。測試結果：由于墻體阻礙，通信距離約在20 m。

　　4.3 語(yǔ)音控制紅外型電視開(kāi)關(guān)測試

　 　在語(yǔ)音識別程序設計中，為了增加語(yǔ)音節點(diǎn)所能識別命令的條數而采用了分組法。利用紅外遙控子節點(diǎn)對電視遙控器的開(kāi)/關(guān)信號進(jìn)行學(xué)習，對語(yǔ)音子節點(diǎn)進(jìn)行訓 練結束后，啟動(dòng)系統。依次說(shuō)出“控制器”、“打開(kāi)”、“電視”連續三條命令，再說(shuō)出“控制器”、“關(guān)閉” “電視”連續三條命令。測試結果如表1所示。

　　5 結語(yǔ)

　 　將具有數字語(yǔ)音識別功能的SPCE061A單片機與低功耗、低成本的ZigBee技術(shù)相結合，開(kāi)發(fā)了基于單芯片CC2530的ZigBee語(yǔ)音節點(diǎn)，并 利用ARM11架構的開(kāi)發(fā)平臺S3C6410作為網(wǎng)關(guān)，WinCE 6.0的操作系統，有著(zhù)良好的人機交互界面，來(lái)共同應用于智能家居系統的語(yǔ)音控制中，實(shí)現了對開(kāi)關(guān)型及紅外型家電設備的語(yǔ)音控制和家居智能化，實(shí)現人與家 電之間的對話(huà)，方便了人們的生活，具有廣闊的應用前景。

　　設計詳情：基于ZigBee節點(diǎn)的智能家居系統語(yǔ)音控制設計

實(shí)時(shí)語(yǔ)音識別系統在家庭監護機器人的實(shí)現

　　文中闡述的是家庭監護機器人項目中語(yǔ)音識別系統設計的部分，通過(guò)DSP、 DMA和ARM Cortex-A8的并行處理，利用雙緩沖的方法，在嵌入式Linux上實(shí)現了基于A(yíng)TK的實(shí)時(shí)語(yǔ)音識別系統。文中對該系統的軟硬件進(jìn)行了設計。在硬件方 面，給出語(yǔ)音識別系統的硬件組成原理，并提供了關(guān)鍵部分原理圖；在軟件方面，提出實(shí)時(shí)語(yǔ)音識別的方法，給出應用程序實(shí)現流程。最后通過(guò)真人說(shuō)話(huà)來(lái)進(jìn)行語(yǔ)音 識別實(shí)驗，實(shí)時(shí)語(yǔ)音識別率達到了94.67%以上，實(shí)驗驗證了系統的軟件硬件設計的正確性。

　　1 系統設計

　　文中是家庭監護機器人項目中的語(yǔ)音識別系統設計部分，設計目的是設計出一種可以識別語(yǔ)音的、協(xié)助監護家庭行動(dòng)不方便人員的機器人。為實(shí)現該語(yǔ)音識別系統，設計了語(yǔ)音識別系統總體結構框圖，如圖1所示。

　　圖1 系統總體結構框圖

　　1.1 硬件設計

　 　文中所研究和設計的功能，都是應用在移動(dòng)機器人上的。因而系統的研究設計需要考慮到體積小、省電、便于移動(dòng)的特性，并需具有便于家庭用戶(hù)操作的友好顯示 界面。對于語(yǔ)音識別部分，需要用到用于語(yǔ)音識別算法處理的處理器、語(yǔ)音采集電路和語(yǔ)音輸出電路，如圖 2所示。其中語(yǔ)音識別算法運算的處理器主要負責算法的運算處理，相當于機器人的大腦；語(yǔ)音采集電路負責采集外部的聲音信號，相當于機器人的耳朵；語(yǔ)音輸出 電路負責輸出話(huà)語(yǔ)聲音，相當于機器人的嘴巴。

　　圖2 系統硬件結構圖

　　1.2 軟件設計

　 　HTK（Hidden Markov Model Toolkit）是一套專(zhuān)門(mén)的建立和處理隱馬可夫模型（HMMs）的實(shí)驗工具包，由英國劍橋大學(xué)工程系（Cambridge University Engineering Department，CUED）開(kāi)發(fā)的，主要應用于語(yǔ)音識別領(lǐng)域，也可以應用于語(yǔ)音合成、字符識別和DNA排序等研究領(lǐng)域。HTK經(jīng)過(guò)劍橋大學(xué)、 Entropic公司及Microsoft公司的不斷增強和改進(jìn)，使其在語(yǔ)音識別領(lǐng)域處于世界領(lǐng)先水平。

　　基于HTK的語(yǔ)言識別時(shí)，識別 結果適用只能顯示在DOS或終端上，而且不利于將結果保存、移植或者二次開(kāi)發(fā)利用。在本語(yǔ)音識別系統中使用了HTK接口工具 ATK（AnApplication Toolkit for HTK）。ATK是由英國劍橋大學(xué)開(kāi)發(fā)的開(kāi)源語(yǔ)音識別工具，是對HTK的C++多線(xiàn)程封裝，跟HTK一樣，它支持Linux和Windows，它包括 HTK（HTKLib）、AHTK、AGram、ANGram、ADict、AHMMs、AResource、ARMan、ARec、ACode、 ASour ce、ATee、AComponent、ABuffer、APacket、Asyn、FLite（SYNLib）、ALog模塊部件。

　　基于A(yíng)TK的語(yǔ)音識別軟件應用系統的由語(yǔ)音信號采集模塊、基于DMA的雙向高速RAM存取模塊、ATK語(yǔ)音識別模塊、系統管理模塊、語(yǔ)音輸出模塊等模塊組成，如圖4所示。

　　圖4 系統軟件設計結構圖

　 　在軟件設計中，系統管理模塊主要負責系統的總體管理調度，是應用系統的調度中心；語(yǔ)音信號采集模塊主要負責控制數據采集芯片TPS 65930;基于DMA的雙向RAM存取模塊主要負責實(shí)現DMA驅動(dòng)及雙向RAM的讀寫(xiě)存取，使用了通道1來(lái)實(shí)現高速地把語(yǔ)音信號采集到的數據存儲到 RAM上，并使用通道2實(shí)現高速地把RAM的數據取出來(lái)，用于語(yǔ)音的識別；語(yǔ)音輸出模塊主要負責把相應的音頻數據送到TPS65930，并控制TPS6 5930對接收到的音頻解碼輸出到功放電路，實(shí)現語(yǔ)音輸出的功能。軟件的設計流程圖如圖5所示。

　　圖5 軟件設計流程

　　2 語(yǔ)音識別系統實(shí)驗及結果

　 　文中設計的語(yǔ)音識別系統如圖6所示。在實(shí)驗中總共進(jìn)行了3輪話(huà)語(yǔ)測試，每輪300句話(huà)語(yǔ)測試，其中 150句為家庭監護機器人需要識別的話(huà)語(yǔ)，150句話(huà)語(yǔ)為機器人不予置理的無(wú)關(guān)話(huà)語(yǔ)。從實(shí)驗測試結果可看出，對于識別10個(gè)需要識別的話(huà)語(yǔ)的識別率高達94.67%以上，具有較高的識別率，因而該語(yǔ)音識別系統較好達到了家庭監護機器人使用的要求。

　　3 結論

　　文中通過(guò)DSP、DMA和ARM Cortex-A8的并行處理，利用雙緩沖的方法，在嵌入式Linux上實(shí)現了基于A(yíng)TK的實(shí)時(shí)語(yǔ)音識別系統。該系統可以實(shí)時(shí)地實(shí)現語(yǔ)音識別，具有較高識別率，較快的響應速度?？梢詰迷诩彝ケO護機器人及其相關(guān)領(lǐng)域中。

　　設計詳情：實(shí)時(shí)語(yǔ)音識別系統在家庭監護機器人的實(shí)現

基于語(yǔ)音識別的汽車(chē)空調控制系統設計

　　現在汽車(chē)上使用的電器越來(lái)越多，駕駛員需要手動(dòng)操作的電器開(kāi)關(guān)也越來(lái)越多， 不但增加了駕駛員的負擔，還影響了行車(chē)安全。本文以 STM32F103VET6（以下簡(jiǎn)稱(chēng)STM32）芯片為控制核心，采用高性能LD3320語(yǔ)音識別芯片，設計基于語(yǔ)音識別的汽車(chē)空調控制系統。該系統可 以用語(yǔ)音有效控制汽車(chē)空調，減輕了駕駛員的操作負擔，保證行車(chē)過(guò)程中的安全。

　　1 系統硬件設計

　 　運用語(yǔ)音識別技術(shù)，結合各種傳感器對車(chē)身內外的環(huán)境（如氣溫、陽(yáng)光強度等）以及制冷壓縮機的狀態(tài)等多種參數進(jìn)行實(shí)時(shí)檢測，與設定參數相比較，微控制器經(jīng) 過(guò)運算處理做出判斷，輸出相應的調節和控制信號。執行機構經(jīng)過(guò)實(shí)時(shí)調整和修正，實(shí)現對車(chē)廂內空氣環(huán)境全方位、多功能的調節和控制。系統的執行機構主要包括 溫度風(fēng)門(mén)電機、模式風(fēng)門(mén)電機、循環(huán)風(fēng)門(mén)電機、鼓風(fēng)機、壓縮機、除霜控制繼電器等。圖1為系統結構框圖。

　　1．1 主控制器

　 　主控制器為基于A(yíng)RM Cortex—M3內核的32位微控制器STM32F103VET6，內置64 KB RAM、512 KBFlash，以及豐富的增強I／O端口和聯(lián)接到兩條APB總線(xiàn)的外設，主要控制傳感器模擬信號的采集、語(yǔ)音信號的收發(fā)和汽車(chē)空調控制信號的輸出。

　　1．2 語(yǔ)音識別模塊

　 　語(yǔ)音識別芯片選用的是ICRoute公司的LD3320芯片。該芯片集成了語(yǔ)音識別處理器和一些外部電路，包括A／D轉化器、D／A轉換器、麥克風(fēng)接 口、聲音輸出接口等。本芯片在設計上注重節能與高效，不需要外接任何的輔助芯片（如Flash、RAM等），直接集成在現有的產(chǎn)品中即可以實(shí)現語(yǔ)音識別功 能。識別的關(guān)鍵詞語(yǔ)列表是可以任意動(dòng)態(tài)編輯的。

　　2 系統軟件設計

　　本系統軟件設計采用C語(yǔ)言開(kāi)發(fā)，用Keil uVision4軟件進(jìn)行編譯。開(kāi)發(fā)過(guò)程按照模塊化分塊進(jìn)行，系統的主要模塊包括語(yǔ)音識別模塊、語(yǔ)音播放模塊、SD卡模塊以及空調控制模塊。

　　2．1 語(yǔ)音識別模塊

　 　語(yǔ)音識別模塊采用中斷的方式進(jìn)行工作，其工作流程大致為芯片初始化、寫(xiě)入識別列表、開(kāi)始識別、中斷響應并獲取識別結果。語(yǔ)音識別流程如圖8所示。在初始 化程序里，主要完成軟復位、模式設定、時(shí)鐘頻率設定和FIFO設定。在寫(xiě)入識別列表之前，首先要讀取寄存器B2的值，檢查LD3320是否處于空閑狀態(tài)； 然后，把識別語(yǔ)音列表信息寫(xiě)入LD3320的05和B9寄存器中，每個(gè)識別條目是標準普通話(huà)的漢語(yǔ)拼音（小寫(xiě)），每?jì)蓚€(gè)漢語(yǔ)拼音之間用一個(gè)空格間隔。在完 成添加語(yǔ)音識別列表后，設定寄存器35的值為45H。此處設定的值越大，代表麥克的音量越大，識別距離也越遠，但是可能產(chǎn)生較多的誤識別；值越小代表麥克 的音量越小，需要近距離說(shuō)話(huà)才能啟動(dòng)語(yǔ)音識別功能，識別率也高。設定寄存器37值為06H，啟動(dòng)語(yǔ)音識別，即可開(kāi)始語(yǔ)音識別。如果麥克風(fēng)采集到聲音，不管 是否識別出正常結果，都會(huì )產(chǎn)生一個(gè)中斷信號。進(jìn)入中斷函數后，首先清零寄存器29和寄存器02；然后，檢查B2寄存器是否為0x21。若值為0x21，表 示閑，可以檢測2B的值；若為1，表示語(yǔ)音識別有結果產(chǎn)生。寄存器BF讀到數值為0x35，可以確定是一次語(yǔ)音識別流程正常結束。寄存器BA表示語(yǔ)音識別 有幾個(gè)識別候選結果。最后，可以讀取寄存器C5，獲取識別結果。

　　2．2 語(yǔ)音播放模塊

　 　語(yǔ)音播放的軟件設計流程包括通用初始化、MP3播放初始化、播放音量調節、開(kāi)始播放聲音以及中斷響應。通用初始化時(shí)，首先連續讀取寄存器06，相當于激 活了芯片；然后，按順序設置相關(guān)寄存器的值。MP3播放初始化時(shí)，首先要設置寄存器BD的值為02H，啟動(dòng)MP3播放模塊；然后，向寄存器17寫(xiě)入 48H，激活DSP。語(yǔ)音播放模塊的音量分為16級，用4位二進(jìn)制表示，這里需要設置寄存器8E的第2～5位的值來(lái)調節播放音量。當播放語(yǔ)音時(shí)，首先需要 清零，開(kāi)始播放位置。將寄存器1B的第3位設為1，然后執行循環(huán)。當播放條件為真時(shí)，順序將MP3數據放入寄存器01（每次1個(gè)字節），播放位置值增加 1。當寄存器 06的第3位等于0或者播放位置小于MP3文件的總長(cháng)度時(shí)，就跳出循環(huán)。等到芯片播放該段后會(huì )發(fā)出中斷請求，而中斷函數會(huì )不斷接收數據，直到FIFO- DA-TA裝滿(mǎn)或聲音數據結束。

　　結語(yǔ)

　　本文介紹了基于語(yǔ)音識別的汽車(chē)空調控制系統，分別對硬件電路和軟件設計進(jìn)行了詳細的介紹。本系統開(kāi)發(fā)成本低、性能優(yōu)越，系統測試表明，本系統具有一定的應用價(jià)值，可以用于中低檔汽車(chē)。

　　設計詳情：基于語(yǔ)音識別的汽車(chē)空調控制系統設計

基于非特定人語(yǔ)音識別芯片的技術(shù)方案

　　本文利用智能語(yǔ)音交互芯片設計了某模擬訓練器的示教與回放系統。示教系統為操作人員生動(dòng)的演示標準操作流程及相應的操作現象，極 大地縮短了對操作人員的培訓時(shí)間，提高了培訓效果?；胤畔到y通過(guò)記錄操作訓練過(guò)程中各操作人員的口令、聲音強度、動(dòng)作、時(shí)間、操作現象等，待操作訓練結束 后通過(guò)重演訓練過(guò)程，以便操作者及時(shí)糾正自己的問(wèn)題。示教系統也可理解為對標準操作訓練過(guò)程的回放。該系統不需要虛擬現實(shí)技術(shù)的支持，在小型的嵌入式系統 上就可以實(shí)現。

　　1 系統原理

　　該模擬訓練器由一臺測控計算機和多臺從設備組成。如 圖1所示。在此僅對一臺從設備進(jìn)行介紹，其硬件系統主要由測控計算機、Arduino mega2560 控制器、語(yǔ)音識別單元、聲強檢測單元、語(yǔ)音合成單元、面板控制單元、儀器面板等組成。面板控制單元較為復雜，包含多種控制電路，在模擬訓練中負責該從設備 在A(yíng)rduinomega2560 控制器的控制下完成整個(gè)訓練過(guò)程，在示教與回放系統中完成對剛才操作訓練操作現象的重演，其具體電路設計在此不做介紹。

　 　語(yǔ)音識別單元負責識別操作人員的操作口令；聲強檢測單元負責檢測聲強大小并以此作為判斷是哪臺從設備操作人員口令的依據；Arduino mega2560控制器負責監視儀器面板各元件的狀態(tài)來(lái)識別操作人員的動(dòng)作，從而完成對操作訓練過(guò)程的記錄。各儀器的操作現象根據操作動(dòng)作事先編制無(wú)需記 錄。在操作回放過(guò)程中，測控計算機根據所記錄的數據，通過(guò)控制相應從設備的Arduino mega2560控制器重現所記錄的操作過(guò)程。

　　2 單元系統設計

　　2.1 語(yǔ)音識別單元設計

　　目前，語(yǔ)音識別技術(shù)的發(fā)展十分迅速，按照識別對象的類(lèi)型可以分為特定人和非特定人語(yǔ)音識別。特定人是指識別對象為專(zhuān)門(mén)的人，非特定人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，從而達到較高的識別率。

　 　本文采用的LD3320語(yǔ)音識別芯片是一顆基于非特定人語(yǔ)音識別（Speaker？Independent Automatic SpeechRecognition，SI？ASR）技術(shù)的芯片。該芯片上集成了高精度的A/D 和D/A 接口，不再需要外接輔助的FLASH 和RAM，即可以實(shí)現語(yǔ)音識別、聲控、人機對話(huà)功能，提供了真正的單芯片語(yǔ)音識別解決方案。并且，識別的關(guān)鍵詞語(yǔ)列表是可以動(dòng)態(tài)編輯的。其語(yǔ)音識別過(guò)程如 圖2所示。

　 　語(yǔ)音識別單元采用ATmega168 作為MCU，負責控制LD3320完成所有和語(yǔ)音識別相關(guān)的工作，并將識別結果通過(guò)串口上傳至Arduino mega2560 控制器。對LD3320芯片的各種操作，都必須通過(guò)寄存器的操作來(lái)完成，寄存器讀寫(xiě)操作有2種方式（標準并行方式和串行SPI方式）。在此采用并行方式， 將LD3320的數據端口與MCU的I/O口相連。其硬件連接圖如圖3所示。

　 　語(yǔ)音識別流程采用中斷方式工作，其工作流程分為初始化、寫(xiě)入關(guān)鍵詞、開(kāi)始識別和響應中斷等。MCU的程序采用ARDUINO IDE編寫(xiě)［5］，調試完成后通過(guò)串口進(jìn)行燒錄，控制LD3320完成語(yǔ)音識別，并將識別結果上傳至Arduino mega2560控制器。其軟件流程如圖4所示。

　　3 系統軟件設計

　　示教與回放系統的軟件設計包括測控計算機的軟件設計和各從設備Arduino mega260控制器的軟件設計。

　 　測控計算機是整個(gè)系統的控制核心，其軟件采用C#進(jìn)行編寫(xiě)，在示教與回放系統中主要是對操作數據的記錄以便根據所記錄的數據對操作過(guò)程進(jìn)行精確回放，需 要記錄的數據包括：各從設備操作人員的操作口令，操作動(dòng)作，口令及動(dòng)作時(shí)間，各操作對應的操作現象。為簡(jiǎn)化記錄數據，事先編制好各事件代碼，記錄過(guò)程只記 錄代碼，大大提高程序效率。建立結構體如下：

　 　在操作訓練過(guò)程中測控計算機每隔50 ms 對下位機進(jìn)行控制及輪詢(xún)，并記錄反饋數據，在數據記錄時(shí)以50 ms 為一個(gè)單位。采用定時(shí)器對時(shí)間進(jìn)行控制。在回放過(guò)程中首先比對當前時(shí)間和所記錄的時(shí)間，當所記錄的時(shí)間與當前時(shí)間吻合時(shí)測控計算機控制下位機執行該事件， 完成事件回放。

　　Arduino mega2560控制器負責接收測控計算機的控制指令并執行指令，讀取語(yǔ)音識別結果，對聲強數據采集和處理，控制語(yǔ)音合成單元進(jìn)行語(yǔ)音合成等。Arduinomega2560 控制器采用串口中斷的方式進(jìn)行命令接收。

　　只有正確接收到命令才會(huì )執行并回傳結果，若測控計算機在限定時(shí)間內未收到回傳結果則表明發(fā)生錯誤，測控計算機需重新發(fā)送。數據接收流程圖如圖8所示。

　　4 總結

　　本文利用智能語(yǔ)音芯片設計了某模擬訓練器的示教與回放系統，該系統不需要現在流行的虛擬現實(shí)技術(shù)的支持，僅在MCU 的控制下就可以運行。該系統也可以在小型的便攜式設備上實(shí)現，具有良好的應用前景。

　　設計詳情：基于非特定人語(yǔ)音識別芯片的技術(shù)方案

　　相關(guān)文章：

　　基于LD3320的嵌入式語(yǔ)音識別系統設計

　　基于DSP的語(yǔ)音識別系統的實(shí)現及分析

　　基于TMS320VC5507的語(yǔ)音識別系統實(shí)現

　　基于語(yǔ)音識別技術(shù)的聲控鼠標光標程序設計

　　基于DSP的漢字語(yǔ)音識別系統設計