收藏本站
我的資料
  購物車 (0)  
親,您的購物車空空的喲~
去購物車結算
   
查看手機網站
其他帳號登錄: 注冊 登錄
北京元亨信科技有限責任公司

咨詢熱線

010-51994498

追求品質,追求卓越

THE PURSUIT OF EXCELLENCE

商城分類
  • 語音識別
  • 語意識別
  • 人臉識別
    識別儀
    攝像頭
    門禁
  • 圖像識別
    攝像頭
    存儲管理
  • AI算法產品
  • 智能機器人成品
  • 智能設備
  • 綜合
  • 智慧工廠
  • 智慧城市
  • 激光掃描
  • 移動推廣
  • 大數據
    數據庫
    服務器
    云計算
    云存儲

語音識別技術原理及實用系統設計匯總

 

api_thumb_450 (2).jpg

語音識別是以語音為研究對象,通過語音信號處理和模式識別讓機器自動識別和理解人類口述的語言。語音識別技術就是讓機器通過識別和理解過程把語 音信號轉變為相應的文本或命令的高技術。語音識別是一門涉及面很廣的交叉學科,它與聲學、語音學、語言學、信息理論、模式識別理論以及神經生物學等學科都 有非常密切的關系。語音識別技術正逐步成為計算機信息處理技術中的關鍵技術,語音技術的應用已經成為一個具有競爭性的新興高技術產業。

  1、語音識別的基本原理

  語音識別系統本質上是一種模式識別系統,包括特征提取、模式匹配、參考模式庫等三個基本單元,它的基本結構如下圖所示:

微信圖片_20180329223247.jpg

   未知語音經過話筒變換成電信號后加在識別系統的輸入端,首先經過預處理,再根據人的語音特點建立語音模型,對輸入的語音信號進行分析,并抽取所需的特 征,在此基礎上建立語音識別所需的模板。而計算機在識別過程中要根據語音識別的模型,將計算機中存放的語音模板與輸入的語音信號的特征進行比較,根據一定 的搜索和匹配策略,找出一系列最優的與輸入語音匹配的模板。然后根據此模板的定義,通過查表就可以給出計算機的識別結果。顯然,這種最優的結果與特征的選 擇、語音模型的好壞、模板是否準確都有直接的關系。

  2、語音識別技術的發展歷史及現狀

   1952年,AT&TBell實驗室的Davis等人研制了第一個可十個英文數字的特定人語音增強系統一Audry系統1956年,美國普林斯 頓大學RCA實驗室的Olson和Belar等人研制出能10個單音節詞的系統,該系統采用帶通濾波器組獲得的頻譜參數作為語音增強特征。1959 年,Fry和Denes等人嘗試構建音素器來4個元音和9個輔音,并采用頻譜分析和模式匹配進行決策。這就大大提高了語音識別的效率和準確度。從此計算機 語音識別的受到了各國科研人員的重視并開始進入語音識別的研究。60年代,蘇聯的Matin等提出了語音結束點的端點檢測,使語音識別水平明顯上 升;Vintsyuk提出了動態編程,這一提法在以后的識別中不可或缺。60年代末、70年代初的重要成果是提出了信號線性預測編碼(LPC)技術和動態 時間規整(DTW)技術,有效地解決了語音信號的特征提取和不等長語音匹配問題;同時提出了矢量量化(VQ)和隱馬爾可夫模型(HMM)理論。語音識別技 術與語音合成技術結合使人們能夠擺脫鍵盤的束縛,取而代之的是以語音輸入這樣便于使用的、自然的、人性化的輸入方式,它正逐步成為信息技術中人機接口的關 鍵技術。

  3、語音識別的方法

  目前具有代表性的語音識別方法主要有動態時間規整技術(DTW)、隱馬爾可夫模型(HMM)、矢量量化(VQ)、人工神經網絡(ANN)、支持向量機(SVM)等方法。

   動態時間規整算法(Dynamic Time Warping,DTW)是在非特定人語音識別中一種簡單有效的方法,該算法基于動態規劃的思想,解決了發音長短不一的模板匹配問題,是語音識別技術中出 現較早、較常用的一種算法。在應用DTW算法進行語音識別時,就是將已經預處理和分幀過的語音測試信號和參考語音模板進行比較以獲取他們之間的相似度,按 照某種距離測度得出兩模板間的相似程度并選擇最佳路徑。

  隱馬爾可夫模型(HMM)是語音信號處理中的一種統計模型,是由Markov鏈 演變來的,所以它是基于參數模型的統計識別方法。由于其模式庫是通過反復訓練形成的與訓練輸出信號吻合概率最大的最佳模型參數而不是預先儲存好的模式樣 本,且其識別過程中運用待識別語音序列與HMM參數之間的似然概率達到最大值所對應的最佳狀態序列作為識別輸出,因此是較理想的語音識別模型。

   矢量量化(Vector Quantization)是一種重要的信號壓縮方法。與HMM相比,矢量量化主要適用于小詞匯量、孤立詞的語音識別中。其過程是將若干個語音信號波形或 特征參數的標量數據組成一個矢量在多維空間進行整體量化。把矢量空間分成若干個小區域,每個小區域尋找一個代表矢量,量化時落入小區域的矢量就用這個代表 矢量代替。矢量量化器的設計就是從大量信號樣本中訓練出好的碼書,從實際效果出發尋找到好的失真測度定義公式,設計出最佳的矢量量化系統,用最少的搜索和 計算失真的運算量實現最大可能的平均信噪比。

  在實際的應用過程中,人們還研究了多種降低復雜度的方法,包括無記憶的矢量量化、有記憶的矢量量化和模糊矢量量化方法。

   人工神經網絡(ANN)是20世紀80年代末期提出的一種新的語音識別方法。其本質上是一個自適應非線性動力學系統,模擬了人類神經活動的原理,具有自 適應性、并行性、魯棒性、容錯性和學習特性,其強大的分類能力和輸入—輸出映射能力在語音識別中都很有吸引力。其方法是模擬人腦思維機制的工程模型,它與 HMM正好相反,其分類決策能力和對不確定信息的描述能力得到舉世公認,但它對動態時間信號的描述能力尚不盡如人意,通常MLP分類器只能解決靜態模式分 類問題,并不涉及時間序列的處理。盡管學者們提出了許多含反饋的結構,但它們仍不足以刻畫諸如語音信號這種時間序列的動態特性。由于ANN不能很好地描述 語音信號的時間動態特性,所以常把ANN與傳統識別方法結合,分別利用各自優點來進行語音識別而克服HMM和ANN各自的缺點。近年來結合神經網絡和隱含 馬爾可夫模型的識別算法研究取得了顯著進展,其識別率已經接近隱含馬爾可夫模型的識別系統,進一步提高了語音識別的魯棒性和準確率。

  支 持向量機(Support vector machine)是應用統計學理論的一種新的學習機模型,采用結構風險最小化原理(Structural Risk Minimization,SRM),有效克服了傳統經驗風險最小化方法的缺點。兼顧訓練誤差和泛化能力,在解決小樣本、非線性及高維模式識別方面有許多 優越的性能,已經被廣泛地應用到模式識別領域。

  4、語音識別系統的分類

  語音識別 系統可以根據對輸入語音的限制加以分類。如果從說話者與識別系統的相關性考慮,可以將識別系統分為三類:(1)特定人語音識別系統。僅考慮對于專人的話音 進行識別。(2)非特定人語音系統。識別的語音與人無關,通常要用大量不同人的語音數據庫對識別系統進行學習。(3)多人的識別系統。通常能識別一組人的 語音,或者成為特定組語音識別系統,該系統僅要求對要識別的那組人的語音進行訓練。

  如果從說話的方式考慮,也可以將識別系統分為三類: (1)孤立詞語音識別系統。孤立詞識別系統要求輸入每個詞后要停頓。(2)連接詞語音識別系統。連接詞輸入系統要求對每個詞都清楚發音,一些連音現象開始 出現。(3)連續語音識別系統。連續語音輸入是自然流利的連續語音輸入,大量連音和變音會出現。

  如果從識別系統的詞匯量大小考慮,也可 以將識別系統分為三類:(1)小詞匯量語音識別系統。通常包括幾十個詞的語音識別系統。(2)中等詞匯量的語音識別系統。通常包括幾百個詞到上千個詞的識 別系統。(3)大詞匯量語音識別系統。通常包括幾千到幾萬個詞的語音識別系統。隨著計算機與數字信號處理器運算能力以及識別系統精度的提高,識別系統根據 詞匯量大小進行分類也不斷進行變化。目前是中等詞匯量的識別系統,將來可能就是小詞匯量的語音識別系統。這些不同的限制也確定了語音識別系統的困難度。

  5、語音識別的應用

  語音識別可以應用的領域大致分為大五類:

  辦公室或商務系統。典型的應用包括:填寫數據表格、數據庫管理和控制、鍵盤功能增強等等。

  制造業:在質量控制中,語音識別系統可以為制造過程提供一種“不用手”、“不用眼”的檢控(部件檢查)。

  電信:相當廣泛的一類應用在撥號電話系統上都是可行的,包括話務員協助服務的自動化、國際國內遠程電子商務、語音呼叫分配、語音撥號、分類訂貨。

  醫療:這方面的主要應用是由聲音來生成和編輯專業的醫療報告。

  其他:包括由語音控制和操作的游戲和玩具、幫助殘疾人的語音識別系統、車輛行駛中一些非關鍵功能的語音控制,如車載交通路況控制系統、音響系統。

微信圖片_20180329223324.jpg

  未來隨著手持設備的小型化,甚至穿戴化,各種智能眼鏡,手表等層出不窮,當然找準市場突破口很重要,好的解決方案和系統設計參考也是必不可少的。

Nuance語音識別技術及解決方案

  1.語音識別概述

  語音識別技術,Automatic Speech Recognition,簡稱ASR,是一種讓機器聽懂人類語言的技術。語言是人類進行信息交流的最主要、最長用、最直接的方式。語音識別技術是實現人機 對話的一項重大突破,在國外近年來發展十分迅速,其應用也逐步得到推廣。近幾年逐漸普及的IVR(自動電話應答)處理了不少簡單而又重復的咨詢工作,節省 了不少人力,但這種按鍵式的語音自動應答卻讓客戶花費很多時間按指引來完成簡單的查詢,令用戶倍感不便。

  語音識別無疑可以解決該方面的問題。語音識別系統的開發成功,充分發揮了計算機技術和網絡技術的優勢,采用先進的人機對話方式,擺脫電話按鍵的束縛,人們只要象平常一樣對著電話簡單的說出所需服務項目,即可輕松獲取自動系統提供的所需信息。

微信圖片_20180329223341.jpg語音識別系統結構

  2.語音識別應用

   Nuance公司是自然語音接口軟件的佼佼者。使用自然語音接口軟件,人們可以通過電話方便安全地獲取信息、服務并進行交易。每天,千千萬萬的人通過撥 打運行Nuance公司語音識別、語言理解和聲紋鑒別軟件的電話,進行出游預訂、股票交易、與其它通訊媒體、企業和互聯網系統進行交往等活動。 NUANCE的應用:美國航空、Bell Atlantic、Charles Schwab、家庭購物網絡、Lloyds TSB、Sears、UPS 。

  3.NUANCE語音識別特點

  (1)海量詞匯、獨立于講話者的健壯識別功能

  Nuance系統能可靠地對多種語言進行大詞匯量的識別,并可提供識別結果的置信度。該系統對商業上使用的大量詞匯提供最準確的語音識別技術。利用Nuance系統開發的應用程序,在市場上具有最高的準確率。生產中的應用程序經測試,準確性超過96%。

 ?。?)基于主機的客戶/服務機結構

  Nuance系統基于開放式客戶/服務機結構,特別為大型應用程序所需的健壯性和可伸縮性而設計。呼叫者的講話由客戶端收集,而識別和鑒別處理的負載被平均分配到網絡上的多個分開的服務器上。

 ?。?)N-Best處理

  對于有些應用程序,可能需要識別引擎產生可能的識別結果集,而不是一個最好的結果。Nuance系統的N-best識別處理方法便有這個功能,它提供了可能的識別結果列表,并按可能性從高到低排列。

 ?。?)語法概率

  Nuance系統允許對呼叫者所講的特定詞語或短語的在語法中的概率進行指定。當被講的詞語或短語的概率可根據實際使用進行估計時,非常有用。對語法增加概率可提高識別的準確率和速度。

  (5)降低噪音

   當進來的呼叫包含穩定的背景噪音時,Nuance系統通過一種機制,使識別服務器更準確地進行識別。識別服務器將進來的話語進行增強,以有效地將語氣、 嗡嗡聲、哼叫聲、噓噓聲等噪聲過濾。如果相當數量的電話均含有穩定的背景噪聲,比如在汽車上免提打電話時,這個機制效果較理想。

  4.基于識別的應用

  語音短信本身業務、公司電話簿、個人電話簿、智能點歌、股票查詢和交易、智能信息點播、列車時刻查詢

 ?。?)基于語音識別的公司電話簿

  公司電話薄應用描述

  系統能支持多個接入號碼,虛擬多個公司的總機。并依靠語音識別技術,智能轉接到相應的用戶。

  流程

  用戶撥打接入碼,系統根據接入碼找到相應的公司數據庫,同時提醒用戶說出相應的用戶,系統依據相應的用戶查詢數據庫,并得到該用戶的號碼,并通知交換機將該號碼接通。

微信圖片_20180329223405.jpg

  公司電話簿特點

  ?系統支持電話接入方式

  用戶可通過電話修改個人密碼,個人上班電話和非上班電話

  ?系統支持WEB接入方式

  ? 系統管理員可修改所有信息

  ? 各公司管理員可增加,刪除,修改本公司的電話信息

 ?。?)基于語音識別的點歌功能

  功能描述

  用戶接入系統,提示用戶說出歌名,并依靠語音識別技術,查找到該歌名,并播放給用戶。

  應用流程

   用戶撥打接入碼,提示用戶說出歌名或歌手名,并依靠語音識別技術,查找到該歌名或歌手名,若為歌名查詢數據庫,得到該歌存儲的路徑,并播放給用戶,若為 歌手名,則讀出該歌手的專輯,并提醒用戶選擇,用戶選擇后,讀出該專輯的歌名,并提醒用戶選擇,用戶選擇后,給用戶播放該歌曲。

基于ZigBee節點的智能家居系統語音控制設計

  1 系統總體設計

  系統總體結構如圖1所示,主要包括基于Samsung的S3C6410平臺的網關、基于SPCE061A的語音ZigBee子節點、電器繼電器控制ZigBee子節點、電器紅外控制ZigBee子節點等。其中各子節點與網關之間通過星型拓撲結構進行連接。

  微信圖片_20180329223415.jpg

   在對語音子節點進行訓練之后,當語音節點采集接收到語音控制命令時,執行語音識別指令,通過CC2530收發模塊發送相應的控制指令到網關的主節點上。 主節點將接收到控制指令通過串口上傳到網關主機,主機在處理信息之后,再通過主節點發送相應的控制指令到控制子節點上,控制子節點在接收到相應的命令之后 就會執行相應的動作,對被控對象進行控制。

  2 系統硬件設計

 ?。?)網關。采用基于ARM11架構的三星S3C6410處理器,與ZigBee主節點之間通過串口方式進行通信。S3C6410是基于ARM1176JZF-S的16/

 ?。?)語音子節點。由凌陽科技的SPCE061A單片機與ZigBec收發節點模塊組成。SPCE061A是凌 陽科技推出的以μ’nSPTM為核心的16位結構的微控制器。具有8通道10位A/D轉換輸入功能,內置自動增益控制功能的麥克風輸入方式以及雙通道10 位DAC方式的音頻輸出功能。在使用SAC M_S240凌陽音頻編碼方式時,可以容納長達210 s的語音數據。因此被廣泛應用于數字語音識別領域中。

  ?。?)電器控制繼電器子節點。由繼電器模塊與ZigBee收發節點組成。由于我國市電電壓在220 V左右,為了實現對部分家電開關的控制,采用繼電器模塊,并通過ZigBee通信模塊的CC2530芯片的I/O引腳及其外圍驅動電路,實現對繼電器模塊 的吸合與釋放控制??梢钥刂拼昂?、燈光等開關型電器。

 ?。?)紅外控制子節點。由學習型紅外控制模塊與ZigBee收發子節點組成。目 前,紅外遙控類型的家用電器的比例正逐步攀升。因此本文在設計研究中采用了學習型的紅外控制模塊,它與ZigBee收發子節點之間通過串口進行通信。首先 使用一個或多個紅外模塊對現有的家電(如電視機、DVD、空調、投影儀等)紅外遙控器的信號進行學習,把相應的編碼存放到紅外模塊的存儲器E2PROM 中,每條代碼對應一個地址。當該

  ?。?)基于CC2530的ZigBee無線收發模塊。CC2530是TI公司推出的基于IEEE 802.15.4協議的片上系統。內嵌增強型單周期的8051CPU,具有8 KB的SRAM、2個支持多種串行通信協議的USART、21個通用的I/O引腳、寬電壓范圍(2~3.6 V)、低功耗(主動模式RX:24 mA;主動模式TX在1 dBm:29 mA)以及電源電量可監控等特點。在ZigBee協議棧中UART具有中斷、DMA兩種模式,本文設計中均采用了UART的中斷模式。

  3 系統軟件設計

  系統軟件設計主要包括下位機軟件與上位機軟件設計。在下位機程序設計過程中有2個關鍵點:對數字語音信號的采集、處理與識別;ZigBee收發模塊對控制信號的接收、發送與執行。而在上位機軟件設計中,主要是基于Visual C++的串口通信的編程。

  上位機主程序流程圖如圖2所示。

  微信圖片_20180329223424.jpg

  S3C6410開發平臺具有4個UART接口,在研究設計中,采用了芯片MAX 3232來解決ZigBee通信模塊的CC2530芯片與該開發平臺之間的串口通信電平轉換。上位機通過串口接收語音子節點的控制指令數據,將數據處理后 用文字顯示控制命令,并通過與ZigBee主節點之間的串口通信,向子節點發送控制指令數據。

  4 實驗及結果

  4.1 實際應用舉例

   在對電動窗簾進行開關控制時,首先將本系統的電器控制繼電器子節點與電動窗簾的開關量電機控制器相連接,準備好硬件電路。然后,通過串口編程使上位機的 ZigBee主節點在接收到語音子節點的窗簾開關命令時,向ZigBee子節點發射窗簾控制信號,從而當控制窗簾的繼電器子節點接收到控制指令時,能夠控 制窗簾執行相應的開關動作。通過如依次說出“控制器”、“打開”、“窗簾”的命令時,語音子節點語音提示設備打開,主機界面顯示設備所處控制的狀態,同時 窗簾打開。

  該語音控制智能家居系統能夠實現家用電器的聯動。例如,可以通過依次說出“控制器”、“家庭影院”的語音命令。這時上位機能夠按照程序設定逐步延時:打開紅外遙控投影儀,紅外遙控幕簾,關閉窗簾,關閉部分燈光等來開啟家庭影院模式。讓人們體驗真正的家居智能化。

  4.2 ZigBee控制節點通信距離測試結果

 ?。?)空曠場合測試。測試條件:CC2530模塊采用PCB天線,發射功率在1 mW,發射頻率在2.4 GHz。測試結果:通信距離最遠可達120 m。

 ?。?)居家場合測試測試條件:同上。測試結果:由于墻體阻礙,通信距離約在20 m。

  4.3 語音控制紅外型電視開關測試

   在語音識別程序設計中,為了增加語音節點所能識別命令的條數而采用了分組法。利用紅外遙控子節點對電視遙控器的開/關信號進行學習,對語音子節點進行訓 練結束后,啟動系統。依次說出“控制器”、“打開”、“電視”連續三條命令,再說出“控制器”、“關閉” “電視”連續三條命令。測試結果如表1所示。

  微信圖片_20180329223502.jpg

  5 結語

   將具有數字語音識別功能的SPCE061A單片機與低功耗、低成本的ZigBee技術相結合,開發了基于單芯片CC2530的ZigBee語音節點,并 利用ARM11架構的開發平臺S3C6410作為網關,WinCE 6.0的操作系統,有著良好的人機交互界面,來共同應用于智能家居系統的語音控制中,實現了對開關型及紅外型家電設備的語音控制和家居智能化,實現人與家 電之間的對話,方便了人們的生活,具有廣闊的應用前景。

  設計詳情:基于ZigBee節點的智能家居系統語音控制設計

實時語音識別系統在家庭監護機器人的實現

  文中闡述的是家庭監護機器人項目中語音識別系統設計的部分,通過DSP、 DMA和ARM Cortex-A8的并行處理,利用雙緩沖的方法,在嵌入式Linux上實現了基于ATK的實時語音識別系統。文中對該系統的軟硬件進行了設計。在硬件方 面,給出語音識別系統的硬件組成原理,并提供了關鍵部分原理圖;在軟件方面,提出實時語音識別的方法,給出應用程序實現流程。最后通過真人說話來進行語音 識別實驗,實時語音識別率達到了94.67%以上,實驗驗證了系統的軟件硬件設計的正確性。

  1 系統設計

  文中是家庭監護機器人項目中的語音識別系統設計部分,設計目的是設計出一種可以識別語音的、協助監護家庭行動不方便人員的機器人。為實現該語音識別系統,設計了語音識別系統總體結構框圖,如圖1所示。

  微信圖片_20180329223510.jpg

  圖1 系統總體結構框圖

  1.1 硬件設計

   文中所研究和設計的功能,都是應用在移動機器人上的。因而系統的研究設計需要考慮到體積小、省電、便于移動的特性,并需具有便于家庭用戶操作的友好顯示 界面。對于語音識別部分,需要用到用于語音識別算法處理的處理器、語音采集電路和語音輸出電路,如圖 2所示。其中語音識別算法運算的處理器主要負責算法的運算處理,相當于機器人的大腦;語音采集電路負責采集外部的聲音信號,相當于機器人的耳朵;語音輸出 電路負責輸出話語聲音,相當于機器人的嘴巴。

  微信圖片_20180329223518.jpg

  圖2 系統硬件結構圖

  1.2 軟件設計

   HTK(Hidden Markov Model Toolkit)是一套專門的建立和處理隱馬可夫模型(HMMs)的實驗工具包,由英國劍橋大學工程系(Cambridge University Engineering Department,CUED)開發的,主要應用于語音識別領域,也可以應用于語音合成、字符識別和DNA排序等研究領域。HTK經過劍橋大學、 Entropic公司及Microsoft公司的不斷增強和改進,使其在語音識別領域處于世界領先水平。

  基于HTK的語言識別時,識別 結果適用只能顯示在DOS或終端上,而且不利于將結果保存、移植或者二次開發利用。在本語音識別系統中使用了HTK接口工具 ATK(AnApplication Toolkit for HTK)。ATK是由英國劍橋大學開發的開源語音識別工具,是對HTK的C++多線程封裝,跟HTK一樣,它支持Linux和Windows,它包括 HTK(HTKLib)、AHTK、AGram、ANGram、ADict、AHMMs、AResource、ARMan、ARec、ACode、 ASour ce、ATee、AComponent、ABuffer、APacket、Asyn、FLite(SYNLib)、ALog模塊部件。

  基于ATK的語音識別軟件應用系統的由語音信號采集模塊、基于DMA的雙向高速RAM存取模塊、ATK語音識別模塊、系統管理模塊、語音輸出模塊等模塊組成,如圖4所示。

  微信圖片_20180329223525.jpg

  圖4 系統軟件設計結構圖

   在軟件設計中,系統管理模塊主要負責系統的總體管理調度,是應用系統的調度中心;語音信號采集模塊主要負責控制數據采集芯片TPS 65930;基于DMA的雙向RAM存取模塊主要負責實現DMA驅動及雙向RAM的讀寫存取,使用了通道1來實現高速地把語音信號采集到的數據存儲到 RAM上,并使用通道2實現高速地把RAM的數據取出來,用于語音的識別;語音輸出模塊主要負責把相應的音頻數據送到TPS65930,并控制TPS6 5930對接收到的音頻解碼輸出到功放電路,實現語音輸出的功能。軟件的設計流程圖如圖5所示。

  微信圖片_20180329223518.jpg

  圖5 軟件設計流程

  2 語音識別系統實驗及結果

   文中設計的語音識別系統如圖6所示。在實驗中總共進行了3輪話語測試,每輪300句話語測試,其中 150句為家庭監護機器人需要識別的話語,150句話語為機器人不予置理的無關話語。從實驗測試結果可看出,對于識別10個需要識別的話語的識別率高達94.67%以上,具有較高的識別率,因而該語音識別系統較好達到了家庭監護機器人使用的要求。

  3 結論

  文中通過DSP、DMA和ARM Cortex-A8的并行處理,利用雙緩沖的方法,在嵌入式Linux上實現了基于ATK的實時語音識別系統。該系統可以實時地實現語音識別,具有較高識別率,較快的響應速度??梢詰迷诩彝ケO護機器人及其相關領域中。

  設計詳情:實時語音識別系統在家庭監護機器人的實現

基于語音識別的汽車空調控制系統設計

  現在汽車上使用的電器越來越多,駕駛員需要手動操作的電器開關也越來越多, 不但增加了駕駛員的負擔,還影響了行車安全。本文以 STM32F103VET6(以下簡稱STM32)芯片為控制核心,采用高性能LD3320語音識別芯片,設計基于語音識別的汽車空調控制系統。該系統可 以用語音有效控制汽車空調,減輕了駕駛員的操作負擔,保證行車過程中的安全。

  1 系統硬件設計

   運用語音識別技術,結合各種傳感器對車身內外的環境(如氣溫、陽光強度等)以及制冷壓縮機的狀態等多種參數進行實時檢測,與設定參數相比較,微控制器經 過運算處理做出判斷,輸出相應的調節和控制信號。執行機構經過實時調整和修正,實現對車廂內空氣環境全方位、多功能的調節和控制。系統的執行機構主要包括 溫度風門電機、模式風門電機、循環風門電機、鼓風機、壓縮機、除霜控制繼電器等。圖1為系統結構框圖。

  微信圖片_20180329223545.jpg

  1.1 主控制器

   主控制器為基于ARM Cortex—M3內核的32位微控制器STM32F103VET6,內置64 KB RAM、512 KBFlash,以及豐富的增強I/O端口和聯接到兩條APB總線的外設,主要控制傳感器模擬信號的采集、語音信號的收發和汽車空調控制信號的輸出。

  1.2 語音識別模塊

   語音識別芯片選用的是ICRoute公司的LD3320芯片。該芯片集成了語音識別處理器和一些外部電路,包括A/D轉化器、D/A轉換器、麥克風接 口、聲音輸出接口等。本芯片在設計上注重節能與高效,不需要外接任何的輔助芯片(如Flash、RAM等),直接集成在現有的產品中即可以實現語音識別功 能。識別的關鍵詞語列表是可以任意動態編輯的。

  微信圖片_20180329223553.jpg

  2 系統軟件設計

  本系統軟件設計采用C語言開發,用Keil uVision4軟件進行編譯。開發過程按照模塊化分塊進行,系統的主要模塊包括語音識別模塊、語音播放模塊、SD卡模塊以及空調控制模塊。

  2.1 語音識別模塊

   語音識別模塊采用中斷的方式進行工作,其工作流程大致為芯片初始化、寫入識別列表、開始識別、中斷響應并獲取識別結果。語音識別流程如圖8所示。在初始 化程序里,主要完成軟復位、模式設定、時鐘頻率設定和FIFO設定。在寫入識別列表之前,首先要讀取寄存器B2的值,檢查LD3320是否處于空閑狀態; 然后,把識別語音列表信息寫入LD3320的05和B9寄存器中,每個識別條目是標準普通話的漢語拼音(小寫),每兩個漢語拼音之間用一個空格間隔。在完 成添加語音識別列表后,設定寄存器35的值為45H。此處設定的值越大,代表麥克的音量越大,識別距離也越遠,但是可能產生較多的誤識別;值越小代表麥克 的音量越小,需要近距離說話才能啟動語音識別功能,識別率也高。設定寄存器37值為06H,啟動語音識別,即可開始語音識別。如果麥克風采集到聲音,不管 是否識別出正常結果,都會產生一個中斷信號。進入中斷函數后,首先清零寄存器29和寄存器02;然后,檢查B2寄存器是否為0x21。若值為0x21,表 示閑,可以檢測2B的值;若為1,表示語音識別有結果產生。寄存器BF讀到數值為0x35,可以確定是一次語音識別流程正常結束。寄存器BA表示語音識別 有幾個識別候選結果。最后,可以讀取寄存器C5,獲取識別結果。

  微信圖片_20180329223609.jpg

  2.2 語音播放模塊

   語音播放的軟件設計流程包括通用初始化、MP3播放初始化、播放音量調節、開始播放聲音以及中斷響應。通用初始化時,首先連續讀取寄存器06,相當于激 活了芯片;然后,按順序設置相關寄存器的值。MP3播放初始化時,首先要設置寄存器BD的值為02H,啟動MP3播放模塊;然后,向寄存器17寫入 48H,激活DSP。語音播放模塊的音量分為16級,用4位二進制表示,這里需要設置寄存器8E的第2~5位的值來調節播放音量。當播放語音時,首先需要 清零,開始播放位置。將寄存器1B的第3位設為1,然后執行循環。當播放條件為真時,順序將MP3數據放入寄存器01(每次1個字節),播放位置值增加 1。當寄存器 06的第3位等于0或者播放位置小于MP3文件的總長度時,就跳出循環。等到芯片播放該段后會發出中斷請求,而中斷函數會不斷接收數據,直到FIFO- DA-TA裝滿或聲音數據結束。

  結語

  本文介紹了基于語音識別的汽車空調控制系統,分別對硬件電路和軟件設計進行了詳細的介紹。本系統開發成本低、性能優越,系統測試表明,本系統具有一定的應用價值,可以用于中低檔汽車。

  設計詳情:基于語音識別的汽車空調控制系統設計

基于非特定人語音識別芯片的技術方案

  本文利用智能語音交互芯片設計了某模擬訓練器的示教與回放系統。示教系統為操作人員生動的演示標準操作流程及相應的操作現象,極 大地縮短了對操作人員的培訓時間,提高了培訓效果?;胤畔到y通過記錄操作訓練過程中各操作人員的口令、聲音強度、動作、時間、操作現象等,待操作訓練結束 后通過重演訓練過程,以便操作者及時糾正自己的問題。示教系統也可理解為對標準操作訓練過程的回放。該系統不需要虛擬現實技術的支持,在小型的嵌入式系統 上就可以實現。

  1 系統原理

  該模擬訓練器由一臺測控計算機和多臺從設備組成。如 圖1所示。在此僅對一臺從設備進行介紹,其硬件系統主要由測控計算機、Arduino mega2560 控制器、語音識別單元、聲強檢測單元、語音合成單元、面板控制單元、儀器面板等組成。面板控制單元較為復雜,包含多種控制電路,在模擬訓練中負責該從設備 在Arduinomega2560 控制器的控制下完成整個訓練過程,在示教與回放系統中完成對剛才操作訓練操作現象的重演,其具體電路設計在此不做介紹。

  微信圖片_20180329223618.jpg

   語音識別單元負責識別操作人員的操作口令;聲強檢測單元負責檢測聲強大小并以此作為判斷是哪臺從設備操作人員口令的依據;Arduino mega2560控制器負責監視儀器面板各元件的狀態來識別操作人員的動作,從而完成對操作訓練過程的記錄。各儀器的操作現象根據操作動作事先編制無需記 錄。在操作回放過程中,測控計算機根據所記錄的數據,通過控制相應從設備的Arduino mega2560控制器重現所記錄的操作過程。

  2 單元系統設計

  2.1 語音識別單元設計

  目前,語音識別技術的發展十分迅速,按照識別對象的類型可以分為特定人和非特定人語音識別。特定人是指識別對象為專門的人,非特定人是指識別對象是針對大多數用戶,一般需要采集多個人的語音進行錄音和訓練,經過學習,從而達到較高的識別率。

   本文采用的LD3320語音識別芯片是一顆基于非特定人語音識別(Speaker?Independent Automatic SpeechRecognition,SI?ASR)技術的芯片。該芯片上集成了高精度的A/D 和D/A 接口,不再需要外接輔助的FLASH 和RAM,即可以實現語音識別、聲控、人機對話功能,提供了真正的單芯片語音識別解決方案。并且,識別的關鍵詞語列表是可以動態編輯的。其語音識別過程如 圖2所示。

  語音識別過程

   語音識別單元采用ATmega168 作為MCU,負責控制LD3320完成所有和語音識別相關的工作,并將識別結果通過串口上傳至Arduino mega2560 控制器。對LD3320芯片的各種操作,都必須通過寄存器的操作來完成,寄存器讀寫操作有2種方式(標準并行方式和串行SPI方式)。在此采用并行方式, 將LD3320的數據端口與MCU的I/O口相連。其硬件連接圖如圖3所示。

  微信圖片_20180329223632.jpg

   語音識別流程采用中斷方式工作,其工作流程分為初始化、寫入關鍵詞、開始識別和響應中斷等。MCU的程序采用ARDUINO IDE編寫[5],調試完成后通過串口進行燒錄,控制LD3320完成語音識別,并將識別結果上傳至Arduino mega2560控制器。其軟件流程如圖4所示。

  微信圖片_20180329223641.jpg

  3 系統軟件設計

  示教與回放系統的軟件設計包括測控計算機的軟件設計和各從設備Arduino mega260控制器的軟件設計。

   測控計算機是整個系統的控制核心,其軟件采用C#進行編寫,在示教與回放系統中主要是對操作數據的記錄以便根據所記錄的數據對操作過程進行精確回放,需 要記錄的數據包括:各從設備操作人員的操作口令,操作動作,口令及動作時間,各操作對應的操作現象。為簡化記錄數據,事先編制好各事件代碼,記錄過程只記 錄代碼,大大提高程序效率。建立結構體如下:

  微信圖片_20180329223650.jpg

   在操作訓練過程中測控計算機每隔50 ms 對下位機進行控制及輪詢,并記錄反饋數據,在數據記錄時以50 ms 為一個單位。采用定時器對時間進行控制。在回放過程中首先比對當前時間和所記錄的時間,當所記錄的時間與當前時間吻合時測控計算機控制下位機執行該事件, 完成事件回放。

  Arduino mega2560控制器負責接收測控計算機的控制指令并執行指令,讀取語音識別結果,對聲強數據采集和處理,控制語音合成單元進行語音合成等。Arduinomega2560 控制器采用串口中斷的方式進行命令接收。

  只有正確接收到命令才會執行并回傳結果,若測控計算機在限定時間內未收到回傳結果則表明發生錯誤,測控計算機需重新發送。數據接收流程圖如圖8所示。

  微信圖片_20180329223658.jpg

  4 總結

  本文利用智能語音芯片設計了某模擬訓練器的示教與回放系統,該系統不需要現在流行的虛擬現實技術的支持,僅在MCU 的控制下就可以運行。該系統也可以在小型的便攜式設備上實現,具有良好的應用前景。

  設計詳情:基于非特定人語音識別芯片的技術方案

  相關文章:

  基于LD3320的嵌入式語音識別系統設計

  基于DSP的語音識別系統的實現及分析

  基于TMS320VC5507的語音識別系統實現

  基于語音識別技術的聲控鼠標光標程序設計

  基于DSP的漢字語音識別系統設計


201802072327574488fbKFDL.yasuotu.gif


更多內容關注:頂呱呱生活體驗館


頂呱呱炫彩二維碼201803031615.png


喜歡討論交流的朋友可以加微信群:

微信圖片_20180319153559.jpg


如遇問題請咨詢

mmqrcode1451441534030.png



會員登錄
登錄
其他帳號登錄:
我的資料
我的收藏
購物車
0
留言
回到頂部