基于SPCE061A的語(yǔ)音識別系統的設計

1引言

語(yǔ)音識別技術(shù)就是讓機器通過(guò)識別和理解把語(yǔ)音信號轉變?yōu)橄鄳奈谋净蛎畹募夹g(shù)。語(yǔ)音識別是一門(mén)交叉學(xué)科，正逐步成為信息技術(shù)中人機接口的關(guān)鍵技術(shù)，語(yǔ)音識別技術(shù)與語(yǔ)音合成技術(shù)的結合，使人們能夠甩掉鍵盤(pán)，通過(guò)語(yǔ)音命令進(jìn)行操作。近年來(lái)語(yǔ)音學(xué)研究的深入和數字信號處理軟硬件技術(shù)的發(fā)展，語(yǔ)音技術(shù)的應用己經(jīng)逐步具備走出實(shí)驗室，服務(wù)于社會(huì )的能力。尤其在中小字表孤立詞語(yǔ)音識別技術(shù)已基本成熟，逐漸開(kāi)始應用于家電產(chǎn)品、智能玩具等對識別率要求不是極其嚴格的領(lǐng)域。

2 硬件系統的總體方案介紹

本系統采用凌陽(yáng)SPCE061A作為主控芯片，并根據功能需求設計嵌入式語(yǔ)音識別系統的硬件。由于這是一款包含DSP功能并集成了戶(hù)A/D，D/A等一系列功能的語(yǔ)音處理專(zhuān)用SOC，模塊電路、外擴存儲FLASH、LED顯示電路、通信模塊、功放和喇叭輸出模塊等。

圖1 語(yǔ)音識別系統的硬件組成

2.1電源電路

SPCE061A采用低電壓供電方式，這可以大大降低芯片的功率損耗。其中，SPCE06lA的電源分兩種，即內核電源(VDD)和I/O口電源(VDDH)。I/O口電源采用5V電壓，而內核電源則為3.3V或者更低。降低芯片內核電壓的目的主要還是降低芯片的功耗，同時(shí)也可以降低芯片的工作溫度，延長(cháng)芯片使用壽命。盡管這種語(yǔ)音芯片的工作電壓范圍很大，但是為了使芯片內核運行更加穩定，同時(shí)又保證I/O口及外部擴展部件的工作電壓要求，系統采取:

AC220V電源通過(guò)AC10V進(jìn)行整流，利用以7805穩壓集成塊為核心的電路，產(chǎn)生+5V電源，作為語(yǔ)音識別與播放模塊共同使用的電源。5V電源經(jīng)過(guò)TR1972-33得到DC3.3v為CPU核心供電。

圖2 電源電路

2.2存儲模塊部分電路設計

因為SPCE061A的FLASH只有32Kwords，要存放大量的語(yǔ)音資源，就需要外擴存儲器。系統使用的是一種用SIO擴展串行存儲器的方法。本方案采用凌陽(yáng)公司的SPR4096芯片進(jìn)行設計。SPR4096是一個(gè)高性能的4M-bit(512K×8-bit)總線(xiàn)FLASH，分為256個(gè)扇區(sector)每個(gè)扇區為2K-byte。SPR4096還內置了一個(gè)4K×8-bit的SRAM。在進(jìn)行FLASH的編程/擦除的時(shí)候，可以并發(fā)執行SRAM的讀/寫(xiě)。SPR4096內置了一個(gè)總線(xiàn)存儲器接口和一個(gè)串行接口，它允許單片機通過(guò)8-bit并行模式或者1-bit的串行模式訪(fǎng)問(wèn)FLASH SRAM存儲區。本例使用串行模式，其接口的工作頻率為5MHz。SPR4096有兩個(gè)電源輸入端VDDI和VDDQ。VDDI為內部FLASH和控制邏輯供電；VDDQ專(zhuān)門(mén)為I/O供電。SPR4096最大讀電流為2mA，最大編程/擦除電流為6mA。

2.3音頻輸出電路模塊

放音利用的是SPCE06lA內部集成的DAC，它是電流輸出，為了能夠驅動(dòng)揚聲器SPEAKER放音需要相應的驅動(dòng)電路。圖中的SPY0030單運放是凌陽(yáng)公司的產(chǎn)品。與常用的單運放LM386比，SPY0030的優(yōu)勢在如LM386的工作電壓需要在4v以上，而SPY0030只需要2.4v可工作，LM386的輸出功率在100mw以下，而SPY0030約為700mw，可以提供足夠的驅動(dòng)能力。音頻輸出電路如圖3所示。

圖3 音頻輸出電路

2.4 MIC輸入模塊

SPCE061A的A/D轉換器有8個(gè)通道，其中有1個(gè)通道是MIC-NI輸入，它專(zhuān)門(mén)用于對語(yǔ)音信號進(jìn)行采樣。語(yǔ)音信號經(jīng)過(guò)MCI轉換成電信號，然后輸入至SPCE061A內部前置放大器。由于人們說(shuō)話(huà)時(shí)，麥克風(fēng)距離嘴邊的距離不同，語(yǔ)音信號的能量將會(huì )有很大的差異，此時(shí)，如果芯片的的輸入信號太大或是太小都將影響識別的精度。而SPCE06lA內部就帶有自動(dòng)增益控制電路AGC能隨時(shí)跟蹤、監視前置放大器輸出的音頻信號電平，當輸入信號增大時(shí)AGC電路自動(dòng)減小放大器的增益；當輸入信號減小時(shí)，AGC電路自動(dòng)增大放大器的增益，從而以補償太小或是太大的信號，以便使進(jìn)入戶(hù)A/D的信號保持在最佳電平，又可使削波減至最小。

2.5通信接口電路

單片機中的數據通過(guò)串口經(jīng)MAX232電平轉換成RS-232電平向上位傳輸。由于SPCE06lA的串行口都為T(mén)TL電平，它與RS-232C電平互不相容，所以在二者接口處，必須進(jìn)行電平轉換。利用MAX232芯片外接5V電源，外接電容，可產(chǎn)生正負10V的電源形成232C的收發(fā)器。本系統中設有通信電路是為將大量語(yǔ)音數據處理都需要上傳給PC，由PC完成。比如，噪聲能量和過(guò)零率的計算，數字濾波器設計，模型庫的訓練等。

3軟件設計部分

總體來(lái)說(shuō)，本系統包含語(yǔ)音識別模塊的軟件設計和語(yǔ)音回放模塊的軟件設計。

3.1語(yǔ)音識別部分設計

語(yǔ)音識別程序是軟件編程的主體工作識別模塊的程序流程圖4所示。本系統采用了常用的能量過(guò)零率雙門(mén)限法進(jìn)行語(yǔ)音端點(diǎn)檢測，采用了計算量較小的線(xiàn)性預測倒譜系數作為語(yǔ)音信號特征矢量，另外，基于非特定人的嵌入式系統要求，為了達到減少計算量和存儲量的目的，在特征參數提取完成之后，利用矢量量化方法進(jìn)行數據壓縮。語(yǔ)音識別模型采用（DHMM)離散隱馬爾可夫模型，利用Baum-welth重估算法、前向后向算法、viterbi算法來(lái)完成語(yǔ)音模板的訓練和語(yǔ)音識別的任務(wù)。

圖4 語(yǔ)音識別模塊流程圖

初始化子程序的作用是將微處理器中與語(yǔ)音識別相關(guān)的資源進(jìn)行參數設置，使其實(shí)現為相應的功能，例如自動(dòng)A/D變換等；

端點(diǎn)檢測用來(lái)避免不必要的計算量，同時(shí)設定語(yǔ)音識別解碼的起點(diǎn)和終點(diǎn)，防止無(wú)效搜索；預處理用來(lái)提高語(yǔ)音識別性能，增強穩健性的重要環(huán)節。預處理包括對原始語(yǔ)音信號的濾波、預加重、加窗、分幀等環(huán)節。同時(shí)還可能包含語(yǔ)音增強、噪聲抵消、端點(diǎn)檢測等等。預加重主要是為了提升高頻部分，以彌補聲音在唇部輻射時(shí)產(chǎn)生的高頻部分的損失，可以使信號的頻譜平坦，減少信號的動(dòng)態(tài)范圍；

特征提取就是對語(yǔ)音信號進(jìn)行分析處理，去除對語(yǔ)音識別無(wú)關(guān)緊要的冗余信息，提取出對語(yǔ)音識別有用的重要信息；

矢量量化(VQ)是一種重要的信號壓縮方法，它可以減少語(yǔ)音信號處理中所需要的大量的存儲空間，并可以減少識別匹配的計算量；

語(yǔ)音信號本身是一個(gè)可觀(guān)察的序列:它是由大腦中的(不可觀(guān)察的)、根據言語(yǔ)需要和語(yǔ)法知識(狀態(tài)選擇)所發(fā)出的音素(詞、句)的參數流，所以用離散隱馬爾可夫模型（DHMM)來(lái)模擬語(yǔ)音信號。

3.2語(yǔ)音播放的模塊設計

為了有一個(gè)友好的人機交互的功能，該系統還必須語(yǔ)音回放。語(yǔ)音數據的保存形式是以臺灣凌陽(yáng)公司開(kāi)發(fā)的幾種語(yǔ)音壓縮編碼算法來(lái)實(shí)現的。同時(shí)，凌陽(yáng)公司還提供了相應的語(yǔ)音壓縮與解壓算法的API接口，可以方便開(kāi)發(fā)人員進(jìn)行編程開(kāi)發(fā)工作。

先用凌陽(yáng)Compress Tool事先把所需要的語(yǔ)音信號錄制好，用凌陽(yáng)壓縮工具進(jìn)行壓縮，這樣就可以得到所要播報的語(yǔ)音了。語(yǔ)音播放程序調用凌陽(yáng)提供的音頻編碼算法庫中的API函數，采用凌陽(yáng)壓縮算法中的SACM_S480進(jìn)行自動(dòng)放音，其語(yǔ)音自動(dòng)播放程序流程圖如下圖5所示。語(yǔ)音播放是在中斷服務(wù)程序中執行，本系統使用了FIQ_TMA中斷源。語(yǔ)音播放通常會(huì )出現兩種情況:一是系統能正確識別語(yǔ)音，此時(shí)的識別后處理是通過(guò)語(yǔ)音播報出正確的結果；二是系統不能正確識別語(yǔ)音，則播報出不能識別的原因。語(yǔ)音回放流程圖如圖5所示。

圖5 語(yǔ)音回放流程圖

4 總結

本文的創(chuàng )新點(diǎn)是設計的提出的嵌入式非特定人語(yǔ)音識別系統所選用的SPCE061A微處理CPU最高時(shí)鐘可達到49MHZ，因此在處理復雜的數字信號方面它可以和DSP相媲美，但其價(jià)格卻要比專(zhuān)用的DSP芯片廉價(jià)，并且它具有較強的中斷處理能力，系統支持10個(gè)中斷向量及10余個(gè)中斷源，適合實(shí)時(shí)語(yǔ)音處理，并具有雙通道10位DAC方式的音頻輸出功能，配置帶自動(dòng)增益控制功能（AGC）的麥克風(fēng)輸入方式，為語(yǔ)音處理帶來(lái)了極大便利；其次，采用了離散隱馬爾可夫模型來(lái)模擬語(yǔ)音信號，并且隨著(zhù)DHMM在語(yǔ)音模板的訓練階段計算復雜度的增加，識別階段的計算負擔相應的大大減少，對于特定人、小詞匯量的語(yǔ)音控制系統己能滿(mǎn)足要求。此項目投入市場(chǎng)后，半年內產(chǎn)生50余萬(wàn)的經(jīng)濟效益。

參考文獻

[1]薛均義，張延斌，虞鶴松等.凌陽(yáng)16位單片機原理及應用[M].北京航空航天大學(xué)出版社2003.72~89

[2]易克初等.語(yǔ)音信號處理.國防工業(yè)出版社[M].2000.11-15 ;154-172

[3]胡航.語(yǔ)音信號處理.哈爾濱工業(yè)大學(xué)出版社[M].2000.88-120

[4]胡凱,張穎超.生化分析儀的設計及與PC機的通信[J].微計算機信息.2006,9-1：20-22

[5]馬鴻文.基于A(yíng)T89C52單片機的自動(dòng)存取柜的設計與實(shí)現[J].微計算機信息，2006，7-2：10-13.