服務(wù)機器人以服務(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器人交互,而不再滿足于復(fù)雜的鍵盤和按鈕操作。基于聽覺的人機交互是該領(lǐng)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(xùn)練算法復(fù)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(lǐng)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(xùn)練和識別。不管是訓(xùn)練還是識別,都必須對輸入語音預(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到建立訓(xùn)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。
圖1 語音識別的基本原理
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,一般需要采集多個扁平型電感差模電感人的語音進行錄音和訓(xùn)練,經(jīng)過學(xué)習(xí),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;另一種是嵌工字電感器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(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,微處理器的計算負擔(dān)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(yīng)用領(lǐng)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(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。
本文的語音識別方案是以嵌入式功率電感器微處理器為核心,外圍加非特定人語音識別芯片及相關(guān)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(shè)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)街骺刂破鳎骺刂破鹘?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(shè)備,如語音合成模塊等。
圖2 硬件電路
2.1 語音識別電路
圖3為語音識別部分原理圖,參照了ICRoute發(fā)布的LD3320數(shù)據(jù)手冊進行設(shè)計。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別,識別準(zhǔn)確率高。
圖3 語音識別部分原理圖
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