基于嵌入式微處理器的語音識別模塊設計實現(xiàn)及應用測試

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

嵌入式語音識別系統(tǒng)和PC機的語音識別系統(tǒng)相比，雖然其運算速度和內(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，特別適用于智能家居、機器人及消費電子等領域。

1 模塊整體方案及架構(gòu)

語音識別的基本原理如圖1所示。語音識別包括兩個階段：訓練和識別。不管是訓練還是識別，都必須對輸入語音預處理和特征提取。訓練階段所做的具體工作是通過用戶輸入若干次訓練語音，經(jīng)過預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到建立訓練語
音的參考模型庫的目的。而識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別結(jié)果輸出。這樣，最終就達到了語音識別的目的。

現(xiàn)有的語音識別技術(shù)按照識別對象可以分為特定人識別和非特定人識別。特定人識別是指識別對象為專門的人，非特定人識別是指識別對象是針對大多數(shù)用戶，一般需要采集多個人的語音進行錄音和訓練，經(jīng)過學習，達到較高的識別率。

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展語音芯片。第一種方法程序量大，計算復雜，需要占用大量的處理器資源，開發(fā)周期長；第二種方法相對簡單，只需要關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，微處理器的計算負擔大大降低，增強了可靠性，縮短了開發(fā)周期。

語音識別技術(shù)在國內(nèi)外的發(fā)展十分迅速。目前國內(nèi)在PC應用領域，具有代表性的有：科大訊飛的InterReco2．0、中科模式識別的Pattek ASR3．0、捷通華聲的jASRv5．5；在嵌入式應用領域，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別芯片及相關電路構(gòu)成。語音識別芯片選用ICRoute公司的LD33 20芯片。
?

2 硬件電路設計

如圖2所示，硬件電路主要包括主控核心部分和語音識別部分。語音進入語音識別部分后，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可用于擴展外圍串行設備，如語音合成模塊等。

2．1 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72 MHz，內(nèi)置高速存儲器(64 KB的閃存和20 KB的SRAM)，豐富的增強I／O端口和聯(lián)接到兩條APB總線的外設。STM32系列提供了全新的32位產(chǎn)品選項，結(jié)合了高性能、實時、低功耗、低電壓等特性，同時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新的級別。