隨著電子技術(shù)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(shí)現(xiàn)語音處理和語音控制，這里設(shè)計(jì)了基于凌陽單片機(jī)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(shí)現(xiàn)語音的自動控制,。目前國內(nèi)還沒有此類設(shè)計(jì)方案,。該方案主要分為語音識別模塊設(shè)計(jì)、語音播放模塊設(shè)計(jì)和語音控制模塊設(shè)計(jì),，只采用單片芯片就可實(shí)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(jìn)行開發(fā),，可使用戶只需要輸入語音素材的有關(guān)參數(shù),，即可實(shí)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(shè)計(jì)方案,。

1 通用型語音控制系統(tǒng)設(shè)計(jì)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(shè)計(jì)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(shí)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(shí)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(shí)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(shí)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(shí)現(xiàn)語音的自動控制,。
1. 1 凌陽單片機(jī)SPCE061A簡介
    SPCE061A是凌陽科技推出的一個16位結(jié)構(gòu)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(fù)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(jì)數(shù)器(可自動預(yù)置初始計(jì)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(yīng)用領(lǐng)域產(chǎn)品中的一種比較經(jīng)濟(jì)的選擇。
1．2 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(jìn)行代碼修改,，只需要輸入語音素材的相關(guān)參數(shù)，即可實(shí)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(shè)計(jì)
    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(fēng)輸入所生成的WAVE文件，其占用的存儲空間很大,，對于單片機(jī)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(yīng)的模塊，對應(yīng)的每個模塊都有其應(yīng)用程序接口API,，所以只需了解每個模塊所要實(shí)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(shí)現(xiàn)該功能。

3 語音識別模塊設(shè)計(jì)
3．1 語音識別原理
    語音識別系統(tǒng)包括學(xué)習(xí)訓(xùn)練過程和識別過程2大部分,，基本原理如圖3所示,。

    (1)預(yù)處理。包括預(yù)加重,、加窗分幀,、端點(diǎn)檢測等處理過程,，在預(yù)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(shí)現(xiàn)語音信號的數(shù)字化。
    (2)聲學(xué)特征分析提取,。經(jīng)過預(yù)處理后的語音信號,，要對其進(jìn)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(yù)測倒譜系數(shù)(LPCC)和美爾頻標(biāo)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(jì)算傅里葉變換將耗費(fèi)大量寶貴的計(jì)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(gòu)成一個矢量。為此,，有必要采用很有效的數(shù)據(jù)壓縮技術(shù)方法對數(shù)據(jù)進(jìn)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(fù)的語音參數(shù)經(jīng)過訓(xùn)練得到,，它是聲學(xué)參數(shù)模版,，在系統(tǒng)識別使用前獲得并存儲起來。
    (4)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(xùn)練得到的參考語音模式進(jìn)行逐一比較分析,，獲得的最佳匹配參考模式便為識別結(jié)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)。
3．2 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(shè)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(shè)計(jì)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(jìn)行A／D轉(zhuǎn)換,。實(shí)際上,，可以把模／數(shù)轉(zhuǎn)換器看作是一個實(shí)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(shè)定在逐次逼近寄存器SAR中的數(shù)字送至10位DAC0中進(jìn)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(jìn)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(xùn)練過程中,，從每個說話人發(fā)出的訓(xùn)練語句中提取相應(yīng)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(yīng)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(diǎn)上加以比較,，采用了動態(tài)時間規(guī)整
法(DTW),。基本原理是在參考樣本特征矢量序列A=[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(shù)實(shí)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(xùn)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(jìn)行相似度比較,，并將相似度最高者作為結(jié)果輸出,。

4 語音控制模塊設(shè)計(jì)
4．1 語音控制模塊設(shè)計(jì)
    語音控制模塊硬件部分的功能采用設(shè)計(jì)的超小迷你電路板來完成。該硬件具有結(jié)構(gòu)簡單,，成本低,，體積小，易于家用電器嵌套等特點(diǎn),。各I／O口的分配及功能是IOB4～I(xiàn)OB7為識別到特定語音后向外部發(fā)出信號的常用口,；IOB0～I(xiàn)OB1為向外發(fā)送信號的預(yù)留口；IOB2～I(xiàn)OB3是外部觸發(fā)SPCE061的外中斷觸發(fā)口,，當(dāng)資源緊張時也可做為輸出端口,，如圖4所示。

4．2 主程序流程
    至此,，整套系統(tǒng)完成了,。在使用時，第一次要進(jìn)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(xùn)練,，上電后自動加載進(jìn)RAM中,，然后進(jìn)行識別，當(dāng)識別到特定語音時,，IOB就發(fā)出相應(yīng)信號,。

5 通用型語音集成軟件的設(shè)計(jì)
5．1 集成軟件的總體設(shè)計(jì)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(shè)計(jì)。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(xué)、易用,，很多新特性也正適應(yīng)了新一代軟件開發(fā)的需要,，只要稍有點(diǎn)語言基礎(chǔ)就可以很快掌握，進(jìn)而精通,?？梢暬挠脩艚缑嬖O(shè)計(jì)功能，把程序設(shè)計(jì)人員從繁瑣復(fù)雜的界面設(shè)計(jì)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(shè)計(jì)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(qiáng)度,，縮短了開發(fā)周期，也使它的代碼強(qiáng)度和可移植性大大提高。
5．2 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(shè)計(jì),、語音播放模塊設(shè)計(jì),、語音控制模塊設(shè)計(jì)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(xiàng)，選擇想要播放的語音,，后面方框打勾表示有此項(xiàng)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～I(xiàn)OB7,，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(yīng)不同的情況,。訓(xùn)練成功語音提示指第一次訓(xùn)練時每訓(xùn)練成功1條指令的提示,；訓(xùn)練失敗語音提示指第一次訓(xùn)練時失敗的提示；訓(xùn)練完成語音提示指第一次訓(xùn)練成功時的語音指令提示,。

6 結(jié)語
    該通用型語音控制系統(tǒng)結(jié)構(gòu)簡單,，成本低，可擴(kuò)充性強(qiáng),，開發(fā)周期短,，可廣泛應(yīng)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(yīng)用,，定會產(chǎn)生較好的經(jīng)濟(jì)效益和社會效益,。