基于A(yíng)TMEGAl28的語(yǔ)音識別系統設計
加入技術(shù)交流群
3 軟件系統設計
軟件設計主要有兩部分，分別為移植LD3320官方代碼和編寫(xiě)語(yǔ)音識別應用程序。
3．1 移植LD3320源代碼
LD3320源代碼是基于51單片機實(shí)現的，SPI部分采用的是軟件模擬方式，但在播放MP3數據時(shí)會(huì )有停頓現象，原因是51單片機主頻較低，導致SPI速率很慢，不能及時(shí)更新MP3數據。移植到ATMEGA128需要修改底層寄存器讀寫(xiě)函數、中斷函數等。底層驅動(dòng)在Reg_RW．c文件中，首先在Reg_RW．h使用HARD_PARA_PORT宏定義，以支持硬件SPI。然后在Reg_RW．c文件中找到HARD_PARA_PORT對應條件宏的代碼段，保留AVR的SPI接口代碼。
3．2 應用程序實(shí)現
在代碼中預先設定幾個(gè)單詞：“你好”，“播放音樂(lè )”，“打開(kāi)”。當用戶(hù)說(shuō)“播放音樂(lè )”時(shí)，MCU控制LD3320播放一段音樂(lè )，如果是其他詞語(yǔ)，則在串口中打印識別結果，然后再次轉換到語(yǔ)音識別狀態(tài)。
3．2．1 MP3播放代碼
LD3320支持MP3數據播放，播放聲音的操作順序為：
通用初始化→MP3播放用初始化→調節播放音量→開(kāi)始播放。
將MP3數據順序放入數據寄存器，芯片播放完一定數量的數據時(shí)會(huì )發(fā)出中斷請求，在中斷函數中連續送入聲音數據，直到聲音數據結束。MP3播放函數實(shí)現代碼如下：
由于MCU容量限制，選取測試的MP3文件不能太大。首先在計算機上將MP3文件的二進(jìn)制數據轉為標準C數組格式文件，然后將該文件加入工程中。源代碼中MP3文件存儲在外擴的SPI FLASH中，工程中需要注釋和移除全部相關(guān)代碼。MP3數據讀取函數是LD_ReloadMp3Data()，只需將讀取的SPI FLASH數據部分改成以數組數據讀取的方式即可。
3．2．2 語(yǔ)音識別程序
LD3320語(yǔ)音識別芯片完成的操作順序為：通用初始化→ASR初始化→添加關(guān)鍵詞→開(kāi)啟語(yǔ)音識別。在源代碼中的RunASR()函數已經(jīng)實(shí)現了上面的過(guò)程，直接調用即可開(kāi)啟語(yǔ)音識別功能。
RunASR()函數代碼如下：
用戶(hù)說(shuō)完話(huà)后，LD3320通過(guò)打分的方式，將關(guān)鍵詞列表中特征最相似的一個(gè)作為輸出。然后LD3320會(huì )產(chǎn)生一個(gè)中斷信號，此時(shí)MCU跳入中斷函數讀取C5寄存器的值，該值即為識別結果，得到結果后，用戶(hù)可以根據數值來(lái)實(shí)現一些功能，比如讀取到1，說(shuō)明是“播放音樂(lè )”，那么可以調用前面的PlaySound()函數來(lái)播放音樂(lè )。
語(yǔ)音識別控制的關(guān)鍵點(diǎn)在于語(yǔ)音識別的準確率。表1給出了測試結果，當然也可以在識別列表中加入更多的關(guān)鍵詞來(lái)做測試。通過(guò)測試結果可以看出，LD3320的識別率在95％上，能夠滿(mǎn)足用戶(hù)需求。
4 結語(yǔ)
本文討論了基于A(yíng)VR單片機的語(yǔ)音識別系統設計的可行性，并給出了設計方案。通過(guò)多次測試結果表明，本系統具有電路運行穩定，語(yǔ)音識別率高，成本低等優(yōu)點(diǎn)。同時(shí)借助于LD3320的MP3播放功能，該系統具有一定的交互性和娛樂(lè )性。移植性方面，系統通過(guò)簡(jiǎn)單的修改，可以很方便地將LD3320驅動(dòng)程序移植到各種嵌入式系統中。隨著(zhù)人們對人工智能功能的需求，語(yǔ)音識別技術(shù)將越來(lái)越受到人們的關(guān)注，相信不久的將來(lái)，語(yǔ)音識別將會(huì )擁有更廣闊的應用。
評論