基于A(yíng)RM的非特定人語(yǔ)音識別系統的設計方案

　　0 引言

　　語(yǔ)音交互是人類(lèi)交流和交換信息中最便捷的手段和最重要的媒體，長(cháng)久以來(lái)，人們都希望找尋一種新的途徑解決人類(lèi)與機器的交互方式，希望機器設備能夠“聽(tīng)”懂人類(lèi)的語(yǔ)音信息進(jìn)行交互，識別其含義并響應、從而做出相應動(dòng)作，這樣的交互方式更能被使用者接受，取代原有的鍵盤(pán)、按鈕、開(kāi)關(guān)等傳統交互方式，基于非特定人的語(yǔ)音識別技術(shù)已然成為人機交互新方式的一個(gè)重要發(fā)展方向和研究熱點(diǎn)。

　　語(yǔ)音信號的識別涉及眾多學(xué)科知識體系，與計算機、語(yǔ)言學(xué)、通信、數理統計、信號處理和人工智能等學(xué)科都有著(zhù)密切的關(guān)系，由于語(yǔ)音信號具有信息量大、不確定性、動(dòng)態(tài)性和連續性的特點(diǎn)，在語(yǔ)音信號的預處理、特征提取等階段處理數據量非常大，對軟件的處理算法和硬件的處理能力都有較高的要求，傳統使用PC機或者工控機等高處理性能的平臺實(shí)現語(yǔ)音信號識別，但硬軟件開(kāi)發(fā)造價(jià)無(wú)疑是阻礙普及的重要因素，本系統采用ARM Cortex M3 內核ST 公司的32 位高性能單片機STM32F103C8T6結合LD3320語(yǔ)音識別芯片，通過(guò)構建SD卡文件系統實(shí)現非特定人語(yǔ)音識別關(guān)鍵詞動(dòng)態(tài)編輯功能，適用于嵌入式語(yǔ)音識別場(chǎng)合。系統電路簡(jiǎn)單，性?xún)r(jià)比高，識別距離和識別精度都可以滿(mǎn)足嵌入式應用。

　　1 非特定人語(yǔ)音識別技術(shù)原理

　　非特定人語(yǔ)音識別技術(shù)研究的最終目的是讓計算機等設備能夠“聽(tīng)懂”人類(lèi)語(yǔ)音，提取出語(yǔ)音中所包含的特定信息，成為人機通信和交互最便捷的手段。由于語(yǔ)音信號本身具有不確定性、動(dòng)態(tài)性和連續性，這就為準確量化和處理該信號帶來(lái)非常大的困難，每個(gè)人的語(yǔ)音要建立不同的語(yǔ)音樣本也為識別的普及帶來(lái)瓶頸約束。目前的語(yǔ)音識別是先建立特征庫然后將待識別的信號經(jīng)處理與特征庫比對得到相似結果判定輸出。從本質(zhì)上屬于基于統計模式的基本理論，分語(yǔ)言模型訓練、識別分析兩個(gè)大階段構成和實(shí)現，如圖1所示。

　　聲學(xué)訓練階段通常是離線(xiàn)完成的，由語(yǔ)言學(xué)家對預先收集好的海量語(yǔ)音樣本、語(yǔ)言數據庫、噪聲數據進(jìn)行信號處理和知識挖掘，通過(guò)語(yǔ)音信號處理理論及相應數學(xué)算法模型建立語(yǔ)音識別系統所需要的“聲學(xué)模型”和“語(yǔ)言模型”.

　　識別分析階段通常是在線(xiàn)完成的，對用戶(hù)實(shí)時(shí)的語(yǔ)音進(jìn)行自動(dòng)識別。識別過(guò)程通常又可以分為“前端”和“后端”兩大模塊：“前端”模塊主要的作用是進(jìn)行端點(diǎn)檢測、降噪、特征提取等；“后端”模塊的作用是利用訓練好的“聲學(xué)模型”和“語(yǔ)言模型”對用戶(hù)說(shuō)話(huà)的特征向量進(jìn)行統計模式識別，得到其包含的文字信息，此外，后端模塊還存在一個(gè)“自適應”的反饋模塊，可以對用戶(hù)的語(yǔ)音進(jìn)行自學(xué)習，從而對“聲學(xué)模型”和“語(yǔ)音模型”進(jìn)行必要的“校正”,進(jìn)一步提高識別的準確率。

　　2 系統設計的整體結構

　　本系統以STM32F103C8T6 微控制器為控制核心，搭配微控制器最小核心電路、LD3320語(yǔ)音識別電路、SD卡電路、電源電路、用戶(hù)按鍵輸入電路、串口數據輸出電路、狀態(tài)指示電路等綜合組成。該系統體積小巧，可以作為嵌入式組件單元融入用戶(hù)電路或者板卡中，上電后STM32F108C8T6內部程序進(jìn)行程序初始化、SD 卡文件系統初始化、LD3320初始化、隨后等待識別音頻接收，識別完成后輸出響應信息或者解碼音頻，系統整體結構如圖2所示，最終實(shí)現積木式功能組件的全部功能。

　　3 系統硬件電路設計

　　3.1 微控制核心方案選型及電路

　　系統采用ARM Cortex M3內核ST公司的32位高性能單片機STM32F103C8T6 為控制核心，該芯片可以達到72 MHz的工作頻率，內置高速存儲器（64 KB的閃存和20 KB的SRAM），擁有豐富的I/O口資源和鏈接到兩條APB 總線(xiàn)的外設。包括了12 b 的ADC、通用16 b 的定時(shí)器、還包括I2C、SPI、USART、USB、CAN等總線(xiàn)或串行通信接口，片內資源和擴展接口都十分豐富，該微控制核心是專(zhuān)門(mén)設計于滿(mǎn)足高穩定性、低功耗、實(shí)時(shí)性、高性?xún)r(jià)比的嵌入式產(chǎn)品應用。該內核芯片可以滿(mǎn)足非特定人語(yǔ)音識別的功能要求，利用相關(guān)電路構成STM32F103C8T6 的最小系統，在硬件PCB 中還集成了功能引針輸出接口、SD卡接口、USB下載調試電路，用戶(hù)按鍵、電源電路等，核心系統電路圖如圖3所示，配合其他外圍擴展達到功能要求。