嬰兒啼哭監測及安撫系統*

*本文受陜西省重點(diǎn)研發(fā)計劃項目（2020ZDXM5-01）和中央高校業(yè)務(wù)費項目（XJS220209）支持

照顧嬰兒是一項辛苦的工作，嬰兒往往會(huì )因為環(huán)境的輕微的變化而產(chǎn)生啼哭行為，需要父母去安撫，這耗費了父母的大量精力，影響了父母正常的工作和生活。隨著(zhù)語(yǔ)音識別技術(shù)的迅速發(fā)展，語(yǔ)音識別已經(jīng)成為各類(lèi)邊緣嵌入式電子系統的重要感知手段。針對嬰兒領(lǐng)域的產(chǎn)品也是層出不窮，其中包括針對嬰兒啼哭聲識別的產(chǎn)品。

隨著(zhù)人機交互、語(yǔ)音識別、嵌入式等技術(shù)在智能家居領(lǐng)域的快速應用，出現了一系列高度智能化、便捷化的商業(yè)產(chǎn)品，諸如掃地機器人、小米音箱、智能門(mén)鎖和智能監控攝像頭等。同時(shí)智能化的嬰兒看護產(chǎn)品也逐漸興起并推廣開(kāi)來(lái)，為母嬰用戶(hù)帶來(lái)了巨大的便利，用戶(hù)不用時(shí)刻陪伴在嬰兒身邊。本文就嬰兒啼哭識別系統進(jìn)行設計，力圖以簡(jiǎn)易的方式和方法搭建一個(gè)嬰兒啼哭聲識別系統。

1 系統設計

1.1 系統組成部分

如圖1 所示，該系統主要分為4 個(gè)組成部分，首先是聲音拾取與信號調理模塊，模塊使用集成硅麥克風(fēng)芯片拾取環(huán)境聲音，經(jīng)自動(dòng)增益電路調理后接入處理器AD采集端口。然后是處理器主控模塊，MCU以pingpong工作機制同時(shí)完成采集操作與信號處理操作，其中信號處理程序包括預處理、端點(diǎn)檢測、基音頻率提取3個(gè)部分。最后是語(yǔ)音安撫模塊與無(wú)線(xiàn)通信模塊，當識別到有效嬰兒啼哭聲時(shí)，語(yǔ)音安撫模塊將播放音樂(lè )，無(wú)線(xiàn)通信模塊將通知監護人。

1.2 系統工作過(guò)程

嬰兒啼哭監測及安撫系統的工作過(guò)程如下：首先，由聲音拾取與信號調理模塊的聲音拾取芯片（MEMS 硅麥克風(fēng)）收集環(huán)境聲音，經(jīng)信號調理電路完成自動(dòng)增益后由處理器主控模塊采集，處理器主控模塊采集到音頻數據后，將首先通過(guò)獲取環(huán)境信號特征完成環(huán)境噪聲與端點(diǎn)檢測特征值自適應，然后對音頻信號預處理，最后通過(guò)端點(diǎn)檢測算法提取出有音信號段，如處理器主控模塊檢測到有效的音頻信號段，則通過(guò)MFCC 算法提取此段信號的頻率特征，然后根據音頻信號頻率倒譜提取出基音頻率，最后通過(guò)基音頻率各類(lèi)統計值做最后判斷，若識別結果為有效嬰兒啼哭聲，則觸發(fā)安撫行為，包括驅動(dòng)語(yǔ)音安撫模塊播放安撫音樂(lè )與父母安撫聲，驅動(dòng)無(wú)線(xiàn)通信模塊通知父母嬰兒發(fā)生啼哭。

2 系統功能實(shí)現與工作原理

2.1 硬件部分

2.1.1 采集與信號調理模塊

麥克風(fēng)采用MEMS微型硅麥克風(fēng)，MEMS 麥克風(fēng)將電容器集成在微硅晶片上，可以采用表貼工藝進(jìn)行制造，直徑不到1 mm 的小型薄膜的重量非常輕巧，且與ECM相比，MEMS麥克風(fēng)會(huì )對由安裝在同一PCB上的揚聲器引起的PCB噪聲產(chǎn)生更低的振動(dòng)耦合；另外，它也具有改進(jìn)的噪聲消除性能與良好的RF 及EMI 抑制。

2.1.2 語(yǔ)音安撫及無(wú)線(xiàn)通信模塊

語(yǔ)音安撫模塊采用YX5200-24SS作為主芯片，YX5200-24SS是一個(gè)支持串口的語(yǔ)音芯片，集成了MP3、WAV、WMA的硬解碼；預先將安撫音樂(lè )與父母的安撫音頻存入，安撫事件觸發(fā)信號到來(lái)時(shí)，將通過(guò)串口驅動(dòng)語(yǔ)音安撫模塊播放某一安撫音頻。而無(wú)線(xiàn)通信模塊采樣集成藍牙芯片，安撫事件觸發(fā)信號到來(lái)時(shí)將通知父母監測到嬰兒啼哭。

2.2 軟件部分

2.2.1 預處理

預處理程序流程圖如圖2所示，所述的信號預處理程序的流程為：當預處理程序接收到采集的信號后，首先求取此段信號均值，然后利用均值完成噪聲自適應與端點(diǎn)檢測特征值自適應，完成自適應之后，對原信號完成預加重操作，增強高頻成分，最后將此段信號按設定的幀長(cháng)與幀移完成分幀操作即可傳入端點(diǎn)檢測程序。

預加重的目的是提升高頻部分，使信號的頻譜變得平坦，使得全頻帶盡可能的均衡，以此來(lái)補償語(yǔ)音信號受到發(fā)音系統所抑制的高頻部分，突出高頻的共振峰；然后是信號分幀處理，由于傅里葉變換要求輸入信號是平穩的，非平穩信號的傅里葉變換是沒(méi)有意義的，而短時(shí)傅里葉變換可對其完成分析；語(yǔ)音信號就是非平穩信號，但其在短時(shí)上是有一定的周期性的，即在1 個(gè)較短的時(shí)間片里它可被認定為接近平穩信號，因此要進(jìn)行分幀的操作，即截取短時(shí)的語(yǔ)音片段；而語(yǔ)音的基頻在（100~250）Hz，即基音周期在（4~10）ms，而每幀含有2~3 個(gè)周期主頻能量表現才較佳，這里采用8 kHz采樣率，幀長(cháng)256，即32 ms；此外，分幀時(shí)的幀移取128，即相鄰兩幀將有部分重疊，可使此段信號計算得到的基音頻率更加平滑，也可減弱后續加窗操作的副作用。

2.2.2 端點(diǎn)檢測

端點(diǎn)檢測程序流程圖如圖3 所示，所述的端點(diǎn)檢測程序流程為：完成預處理的音頻信號傳入后，首先根據噪聲自適應值設定短時(shí)幅度累計閾值，然后設定短時(shí)過(guò)零閾值，其中短時(shí)幅度累計值通過(guò)預處理過(guò)程得到的幅度累積閾值乘系數得到，而短時(shí)過(guò)零率的“0 點(diǎn)”則為預處理過(guò)程得到的噪聲閾值計算出的以0 點(diǎn)為中心的1個(gè)窗口，窗口內的值都被認為是0 值，輸入信號相鄰兩個(gè)值分別大于窗口與小于窗口，則視為一次過(guò)0。然后遍歷所有幀，根據兩個(gè)閾值獲得有音聲段，然后將有音聲段幀序號傳入基音頻率提取程序。

2.2.3 基音頻率提取

基音頻率提取程序流程圖如圖4 所示，所述的基音頻率求取程序的流程為：有音聲段傳入后，此程序將依次處理每個(gè)有音聲段幀，首先對幀數據進(jìn)行窗函數濾波操作，然后輸入FFT 算法輸入端，再對FFT 算法輸出的復數數組求取幅值，再對幅值取對數，最后再帶入IFFT算法求得倒譜，然后求得基音頻率及其統計特征，如果基音頻率超過(guò)設定的頻率閾值，則判定為識別到有效嬰兒啼哭，最后將會(huì )觸發(fā)安撫模塊。

3 項目測試

嬰兒啼哭監測及安撫系統于3 個(gè)場(chǎng)景下完成了12 h長(cháng)時(shí)間測試，分別是睡覺(jué)環(huán)境、人聲環(huán)境、客廳環(huán)境，分別代表僅含環(huán)境白噪聲、除環(huán)境白噪聲外還包含說(shuō)話(huà)聲與家具移動(dòng)聲、除環(huán)境白噪聲還包含電視機聲音與音樂(lè )聲音；經(jīng)測試，在睡覺(jué)環(huán)境中，識別準確率高于99.9%；在人聲環(huán)境中，識別準確率大約為97.73%；在客廳環(huán)境中，識別準確率大約為94.97%。此外嬰兒啼哭監測及安撫系統還有一參數可按情況調整，此參數為單位時(shí)間內有效輸出驗證次數，即在1 s 時(shí)間內，識別到幾次嬰兒啼哭聲則視為有效嬰兒啼哭，此參數越大則誤判率越低，對應的實(shí)時(shí)性越差，以上測試此參數皆設為2，輸出延遲約0.3 s，通過(guò)設置此參數可在實(shí)時(shí)性和準確性之間尋求一個(gè)平衡。

圖5 玩偶嵌入智能識別系統

4 結束語(yǔ)

本系統采用基于音頻特征的語(yǔ)音識別方案，通過(guò)提取嬰兒啼哭聲的倒譜特征，進(jìn)而得到嬰兒啼哭聲的基音頻率及其統計特征來(lái)判定嬰兒啼哭聲的存在，降低了對處理器存儲器容量以及對處理器算力的要求，降低了成本，此外系統采用ping-pong 工作機制，實(shí)時(shí)性強，經(jīng)測試平均延遲為200 ms，本系統可廣泛應用于智能玩偶及智能童車(chē)等。

參考文獻：

[1] 梁海珍.語(yǔ)音識別技術(shù)在智能家居領(lǐng)域應用[J].電子技術(shù)與軟件工程, 2021,2(4):100- 101.

[2] 趙春昊,莫重驥,矯欣航,等.聲紋識別技術(shù)發(fā)展與應用淺談[J].中國安全防范技術(shù)與應用, 2020,10(5):17-20.

[3] 魚(yú)昆,張紹陽(yáng),侯佳正,等.語(yǔ)音識別及端到端技術(shù)現狀及展望[J].計算機系統應用,2021,3 (3):14-23.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2023年3月期）