隨著電子技術的迅速發(fā)展，家用電器及其他電子產(chǎn)品日趨人性化。為了實現(xiàn)語音處理和語音控制，這里設計了基于凌陽單片機的通用型語音控制系統(tǒng)。該系統(tǒng)主要用來完成語音識別、語音控制和語音播放等綜合功能，使家用電器及其他電子產(chǎn)品實現(xiàn)語音的自動控制。目前國內(nèi)還沒有此類設計方案。該方案主要分為語音識別模塊設計、語音播放模塊設計和語音控制模塊設計，只采用單片芯片就可實現(xiàn)語音處理和控制功能。此外，通過對一整套圖形化的通用型語音集成軟件進行開發(fā)，可使用戶只需要輸入語音素材的有關參數(shù)，即可實現(xiàn)代碼的自動生成。下面介紹通用型語音控制系統(tǒng)的設計方案。

　　1、通用型語音控制系統(tǒng)設計方案

　　圖1給出通用型語音控制系統(tǒng)方框圖

　　語音識別模塊的主要作用是完成語音辨識，本設計采用特定發(fā)音人識別模式。語音識別功能采用語音識別電路，并通過軟件編程來實現(xiàn)。語音播放模塊的主要作用是完成語音播放。語音播放功能采用語音播放電路，并通過軟件編程來實現(xiàn)。語音控制模塊的主要作用是使語音識別和語音播放實現(xiàn)自動控制。語音控制功能采用語音控制電路，并通過軟件編程來實現(xiàn)。主控制器部分的主要作用是將語音控制系統(tǒng)嵌入到家電產(chǎn)品及其他電子產(chǎn)品中后，使電子產(chǎn)品的所有功能實現(xiàn)語音的自動控制。

　　1）凌陽單片機SPCE061A簡介

　　SPCE061A是凌陽科技推出的一個16位結構的微控制器。CPU時鐘頻率為0．32～49．152 MHz，具有較高的處理速度，可使μ’nSPTM能夠非常容易、快速地處理復雜的數(shù)字信號；擁有可編程音頻處理；內(nèi)置2 KWord的SRAM和32 KWord的FLASH；2個16位可編程定時器／計數(shù)器（可自動預置初始計數(shù)值），2個10位DAC輸出通道，32位通用可編程輸入／輸出端口。它是數(shù)字語音識別應用領域產(chǎn)品中的一種比較經(jīng)濟的選擇。

　　2） 通用型語音集成軟件

　　開發(fā)了一套通用型語音集成軟件，用戶無需進行代碼修改，只需要輸入語音素材的相關參數(shù)，即可實現(xiàn)代碼的自動生成。如圖2所示，是通用型語音集成軟件vO．1版的操作界面。

　　2、語音播放模塊設計

　　語音處理大致可以分為A／D、編碼處理、存儲、解碼處理以及D／A等。然而，麥克風輸入所生成的WAVE文件，其占用的存儲空間很大，對于單片機來說想要存儲大量的信息顯然是不可能的，而凌陽SPCE061A提出了解決的方法，即SACM-LIB，該庫可將A／D、編碼、解碼、存儲及D／A做成相應的模塊，對應的每個模塊都有其應用程序接口API，所以只需了解每個模塊所要實現(xiàn)的功能及其參數(shù)的內(nèi)容，然后調(diào)用該API函數(shù)即可實現(xiàn)該功能。

　　3、語音識別模塊設計

　　1）語音識別原理

　　語音識別系統(tǒng)包括學習訓練過程和識別過程2大部分，基本原理如圖3所示。

　?。?）預處理

　　包括預加重、加窗分幀、端點檢測等處理過程，在預處理之前還有語音信號的數(shù)字化處理過程。其中，包括反混疊濾波、模／數(shù)轉(zhuǎn)換自動增益等用以去除聲門激勵、口鼻輻射、高于1／2采樣率的高頻信號和噪聲信號的影響，以實現(xiàn)語音信號的數(shù)字化。

　?。?）聲學特征分析提取

　　經(jīng)過預處理后的語音信號，要對其進行特征提取，即特征參數(shù)分析。該過程就是從原始語音信號中抽取能夠反映語音本質(zhì)的特征參數(shù)，以形成特征矢量序列。目前語音識別所用的特征參數(shù)主要有2種類型：線性預測倒譜系數(shù)（LPCC）和美爾頻標倒譜系數(shù)（MFCC）。LPCC系數(shù)主要是模擬人的發(fā)聲模型，未考慮人耳的聽覺特性。MFCC系數(shù)考慮到了人的聽覺特性，但要計算傅里葉變換將耗費大量寶貴的計算資源。因此，在嵌入式語音識別系統(tǒng)中一般都選用LPCC系數(shù)。語音特征提取是分幀提取的，每幀特征參數(shù)一般構成一個矢量。為此，有必要采用很有效的數(shù)據(jù)壓縮技術方法對數(shù)據(jù)進行壓縮。

　　（3）參考模板

　　參考模版時將一個或多個說話者多次重復的語音參數(shù)經(jīng)過訓練得到，它是聲學參數(shù)模版，在系統(tǒng)識別使用前獲得并存儲起來。

　?。?）判定識別

　　模式識別是將輸入的待識別語音特征參數(shù)與訓練得到的參考語音模式進行逐一比較分析，獲得的最佳匹配參考模式便為識別結果。目前常用的語音識別算法主要有動態(tài)時間規(guī)則、離散隱馬爾可夫模型、連續(xù)隱馬爾可夫模型及人工神經(jīng)網(wǎng)。

　　2）語音識別系統(tǒng)原理和算法

　　在SPCE061A內(nèi)置的8通道10位模／數(shù)轉(zhuǎn)換器（analog to digital converter，ADC）中專門設置了一個只用于語音輸入的通道MIC_IN，針對較弱信號的轉(zhuǎn)換還設計了一個音頻放大器（automation gain control，AGC）。對其自動增益控制放大后再進行A／D轉(zhuǎn)換。實際上，可以把模／數(shù)轉(zhuǎn)換器看作是一個實現(xiàn)模／數(shù)信號轉(zhuǎn)換的編碼器。ADC轉(zhuǎn)換的原理是依次把設定在逐次逼近寄存器SAR中的數(shù)字送至10位DAC0中進行D／

　　A轉(zhuǎn)換。DAC0的電壓模擬量輸出值與外部的電壓模擬量輸入值進行比較，以便盡快找出外部電壓模擬量的數(shù)字量輸出，其輸出的模擬量VDAC0與采樣后的輸入電壓值VIN相比較時可采用對半搜索法，即從SAR中最高有效位開始，根據(jù)比較的大小逐位確定其數(shù)碼取“1”，其余位為“ 0”。語音識別算法的原理是：在訓練過程中，從每個說話人發(fā)出的訓練語句中提取相應的能充分描述各個說話人行為的特征矢量，這些特征矢量稱為各說話人的模板。在測試階段，從說話人發(fā)出的語音信號中按同樣的處理方法提取測試模板，并與相應的參考模板相比較。由于說話人每次發(fā)音是變化的，測試模板和參考模板在時間尺度上不可能完全一致。

　　為了使二者能在時間等效點上加以比較，采用了動態(tài)時間規(guī)整法（DTW）?；驹硎窃趨⒖紭颖咎卣魇噶啃蛄蠥=［a1，a2，…，aM］與待識語音特征矢量序列B=［b1，b2，…，bN］之間用一種非線性規(guī)整技術實現(xiàn)匹配。從目前來看，基于動態(tài)時間規(guī)整匹配的DTW算法可能是一個最為小巧的語音識別算法，系統(tǒng)開銷小，識別速度快，在小詞匯量的語音命令控制系統(tǒng)中是一個非常有效的算法。

　　在訓練階段，用戶將詞匯表中的詞依次說一遍，提取出每一幀采樣數(shù)據(jù)的特征向量，并將特征向量作為模板存入模板庫中。

　　在識別階段，提取待識語音的特征向量，然后將其依次與模板庫中的每一個模板進行相似度比較，并將相似度最高者作為結果輸出。

　　4、語音控制模塊設計

　　1）語音控制模塊設計

　　語音控制模塊硬件部分的功能采用設計的超小迷你電路板來完成。該硬件具有結構簡單，成本低，體積小，易于家用電器嵌套等特點。各I／O口的分配及功能是IOB4～IOB7為識別到特定語音后向外部發(fā)出信號的常用口；IOB0～IOB1為向外發(fā)送信號的預留口；IOB2～IOB3是外部觸發(fā)SPCE061的外中斷觸發(fā)口，當資源緊張時也可做為輸出端口，如圖4所示。

　　2）主程序流程

　　至此，整套系統(tǒng)完成了。在使用時，第一次要進行特定人語音識別，識別成功后，自動存入FLASH，以后就無需再訓練，上電后自動加載進RAM中，然后進行識別，當識別到特定語音時，IOB就發(fā)出相應信號。

　　5、通用型語音集成軟件的設計

　　1）集成軟件的總體設計和所使用的工具

　　該方案的集成開發(fā)環(huán)境采用Visual Studio（VS）2005的VB．NET來設計。Visual Basic．NET是微軟公司推出的全新集成開發(fā)環(huán)境VS．NET的重要成員之一，簡單、易學、易用，很多新特性也正適應了新一代軟件開發(fā)的需要，只要稍有點語言基礎就可以很快掌握，進而精通?？梢暬挠脩艚缑嬖O計功能，把程序設計人員從繁瑣復雜的界面設計中解脫出來；可視化編程環(huán)境的“所見即所得”功能，使界面設計如同積木游戲一般。

　　采用Visual Studio（VS）2005來編寫此集成開發(fā)環(huán)境，極大地減輕了開發(fā)強度，縮短了開發(fā)周期，也使它的代碼強度和可移植性大大提高。

　　2）通用型語音集成軟件使用簡介

　　通用型語音集成軟件包括了語音識別模塊設計、語音播放模塊設計、語音控制模塊設計的所有代碼自動生成，如圖2所示。開始可加入提示音，單擊打開文件選項，選擇想要播放的語音，后面方框打勾表示有此項功能；下面是5條語音的播放和識別，每一條功能相同，現(xiàn)簡介如下：第一條語音提示功能同上，觸發(fā)端口指辨識到該條語音后所觸發(fā)的端口號，有IOB0～IOB7，電平指向外發(fā)信號是低電平還是高電平，有高電平“1”和低電平“0”兩種情況可供選擇，以適應不同的情況。訓練成功語音提示指第一次訓練時每訓練成功1條指令的提示；訓練失敗語音提示指第一次訓練時失敗的提示；訓練完成語音提示指第一次訓練成功時的語音指令提示。

　　6、結語

　　該通用型語音控制系統(tǒng)結構簡單，成本低，可擴充性強，開發(fā)周期短，可廣泛應用于家用電器和其他各種電子產(chǎn)品中。如果該方案能成功應用，定會產(chǎn)生較好的經(jīng)濟效益和社會效益。