一種嵌入式語音識(shí)別模塊的設(shè)計(jì)

服務(wù)機(jī)器人以服務(wù)為目的，因此人們需要一種更方便、更自然、更加人性化的方式與機(jī)器人交互，而不再滿足于復(fù)雜的鍵盤和按鈕操作?；诼犛X的人機(jī)交互是該領(lǐng)域的一個(gè)重要發(fā)展方向。目前主流的語音識(shí)別技術(shù)是基于統(tǒng)計(jì)模式。然而，由于統(tǒng)計(jì)模型訓(xùn)練算法復(fù)雜，運(yùn)算量大，一般由工控機(jī)、PC機(jī)或筆記本來完成，這無疑限制了它的運(yùn)用。嵌入式語音交互已成為目前研究的熱門課題。

　　嵌入式語音識(shí)別系統(tǒng)和PC機(jī)的語音識(shí)別系統(tǒng)相比，雖然其運(yùn)算速度和內(nèi)存容量有一定限制，但它具有體積小、功耗低、可靠性高、投入小、安裝靈活等優(yōu)點(diǎn)，特別適用于智能家居、機(jī)器人及消費(fèi)電子等領(lǐng)域。

　　1 模塊整體方案及架構(gòu)

　　語音識(shí)別的基本原理如圖1所示。語音識(shí)別包括兩個(gè)階段：訓(xùn)練和識(shí)別。不管是訓(xùn)練還是識(shí)別，都必須對(duì)輸入語音預(yù)處理和特征提取。訓(xùn)練階段所做的具體工作是通過用戶輸入若干次訓(xùn)練語音，經(jīng)過預(yù)處理和特征提取后得到特征矢量參數(shù)，最后通過特征建模達(dá)到建立訓(xùn)練語音的參考模型庫的目的。而識(shí)別階段所做的主要工作是將輸入語音的特征矢量參數(shù)和參考模型庫中的參考模型進(jìn)行相似性度量比較，然后把相似性最高的輸入特征矢量作為識(shí)別結(jié)果輸出。這樣，最終就達(dá)到了語音識(shí)別的目的。

?

圖1 語音識(shí)別的基本原理

　　現(xiàn)有的語音識(shí)別技術(shù)按照識(shí)別對(duì)象可以分為特定人識(shí)別和非特定人識(shí)別。特定人識(shí)別是指識(shí)別對(duì)象為專門的人，非特定人識(shí)別是指識(shí)別對(duì)象是針對(duì)大多數(shù)用戶，一般需要采集多個(gè)人的語音進(jìn)行錄音和訓(xùn)練，經(jīng)過學(xué)習(xí)，達(dá)到較高的識(shí)別率。

　　基于現(xiàn)有技術(shù)開發(fā)嵌入式語音交互系統(tǒng)，目前主要有兩種方式：一種是直接在嵌入式處理器中調(diào)用語音開發(fā)包；另一種是嵌入式處理器外圍擴(kuò)展語音芯片。第一種方法程序量大，計(jì)算復(fù)雜，需要占用大量的處理器資源，開發(fā)周期長；第二種方法相對(duì)簡單，只需要關(guān)注語音芯片的接口部分與微處理器相連，結(jié)構(gòu)簡單，搭建方便，微處理器的計(jì)算負(fù)擔(dān)大大降低，增強(qiáng)了可靠性，縮短了開發(fā)周期。

　　語音識(shí)別技術(shù)在國內(nèi)外的發(fā)展十分迅速。目前國內(nèi)在PC應(yīng)用領(lǐng)域，具有代表性的有：科大訊飛的InterReco2.0、中科模式識(shí)別的Pattek ASR3.0、捷通華聲的jASRv5.5；在嵌入式應(yīng)用領(lǐng)域，具有代表性的有：凌陽的SPCE061A、ICRoute的LD332X、上海華鎮(zhèn)電子的WS-117。

　　本文的語音識(shí)別方案是以嵌入式微處理器為核心，外圍加非特定人語音識(shí)別芯片及相關(guān)電路構(gòu)成。語音識(shí)別芯片選用ICRoute公司的LD33 20芯片。

　　2 硬件電路設(shè)計(jì)

　　如圖2所示，硬件電路主要包括主控核心部分和語音識(shí)別部分。語音進(jìn)入語音識(shí)別部分后，將處理過的數(shù)據(jù)并行傳輸?shù)街骺刂破?，主控制器?jīng)過處理后，發(fā)送命令數(shù)據(jù)到USART，USART可用于擴(kuò)展外圍串行設(shè)備，如語音合成模塊等。

?

圖2 硬件電路

　　2.1 語音識(shí)別電路

　　圖3為語音識(shí)別部分原理圖，參照了ICRoute發(fā)布的LD3320數(shù)據(jù)手冊(cè)進(jìn)行設(shè)計(jì)。LD3320的內(nèi)部集成了快速穩(wěn)定的優(yōu)化算法，不需外接Fla-sh、RAM，不需要用戶事先訓(xùn)練和錄音而完成非特定人語音識(shí)別，識(shí)別準(zhǔn)確率高。

?

圖3 語音識(shí)別部分原理圖

　　圖中，LD3320采用并行方式直接與STM32F103C8T6相接，均采用1kΩ電阻上拉，A0用于判斷是數(shù)據(jù)段還是地址段；控制信號(hào)

，復(fù)位信號(hào)

以及中斷返回信號(hào)INTB與STM32F103C8T6直接相連，采用10kΩ電阻上拉，輔助系統(tǒng)穩(wěn)定工作；和STM32F103C8T6采用同一個(gè)外部8 MHz時(shí)鐘；發(fā)光二極管D1、D2用于復(fù)位后的上電指示；MBS（引腳12）作為*偏置，接了一個(gè)RC電路，保證能輸出一個(gè)浮動(dòng)電壓給*。

　　2.2主控制器電路

　　本文的主控制器選用的是ST公司的STM32F103C8T6芯片。該芯片基于ARM Cottex-M3 32位的RISC內(nèi)核，工作頻率最高可達(dá)72 MHz，內(nèi)置高速存儲(chǔ)器（64 KB的閃存和20 KB的SRAM），豐富的增強(qiáng)I／O端口和聯(lián)接到兩條APB總線的外設(shè)。STM32系列提供了全新的32位產(chǎn)品選項(xiàng)，結(jié)合了高性能、實(shí)時(shí)、低功耗、低電壓等特性，同時(shí)保持了高集成度和易于開發(fā)的優(yōu)勢，將32位MCU世界的性能和功效引向一個(gè)新的級(jí)別。