基于SPCE061A的語音識別技術(shù)

SPCE061A是凌陽公司設(shè)計(jì)的一種16位單片機(jī)，該款單片機(jī)資源豐富，具有極高的性價(jià)比，該單片機(jī)內(nèi)置有2路DA轉(zhuǎn)換，8路AD轉(zhuǎn)換及在線仿真，并且有16×16位的乘法運(yùn)算和內(nèi)積運(yùn)算的DSP功能，這為它進(jìn)行復(fù)雜的語音數(shù)字信號的壓縮編碼與解碼提供了便利，還可以做數(shù)字濾波器。這些特點(diǎn)為我們進(jìn)行在語音處理尤其是語音識別領(lǐng)域的應(yīng)用提供了便利。

語音識別技術(shù)在各個(gè)層面均有廣泛的應(yīng)用前景。電腦軟件領(lǐng)域，例如：語音命令、語音輸入，對話系統(tǒng)、查詢系統(tǒng)、教學(xué)軟件、游戲軟件等;消費(fèi)性電子產(chǎn)品領(lǐng)域，例如：電子記事本、聲控玩具、語音拔號功能的手機(jī)等;工業(yè)產(chǎn)品領(lǐng)域，例如：車用移動電話、車用導(dǎo)航系統(tǒng)等;電話系統(tǒng)領(lǐng)域，例如：語音識別總機(jī)服務(wù)、語音拔號、語音訂票訂位等。

1 語音識別基本原理

語音識別就是讓機(jī)器聽得懂人們所講的話，基本框架如圖1和圖2所示。圖1是語音訓(xùn)練模型的部分：將已知的語音信號經(jīng)由端點(diǎn)偵測(End Point Detection)及特征參數(shù)求取(Feature Extraction)而產(chǎn)生標(biāo)準(zhǔn)的語音參考樣本。

圖2是語音識別的部分。將待測的語音信號，經(jīng)與圖1同樣的處理步驟求得特征參數(shù)后再與前述的標(biāo)準(zhǔn)語音參考樣本對比，找出最相似的參考樣本作為辨識的結(jié)果。

2 語音識別分類

若依使用者的限制而言可分為特定人語音與非特定人語音識別。

2.1 特定人語音識別

使用特定人語音識別系統(tǒng)前，須先把使用者的語音參考樣本存入當(dāng)成比對的資料庫，即特定人語音識別系統(tǒng)在使用前就必須先進(jìn)行圖1的訓(xùn)練學(xué)習(xí)步驟。

2.2 非特定人語音識別

使用本系統(tǒng)前根本不需要先學(xué)習(xí)，便能直接使用。一套最佳的語音識別系統(tǒng)是不須經(jīng)過學(xué)習(xí)便能進(jìn)行語音識別，但通常辯識率都比較低。

另外以說話方式的連續(xù)是否又可分為非連續(xù)語音識別和連續(xù)語音識別。對于非連續(xù)語音來說，識別所說的每一個(gè)字必須分開辨認(rèn);而連續(xù)語音識別可以一般自然流利的說話方式來進(jìn)行人性化的語音識別，但由于關(guān)系到相連音的問題，很難達(dá)到好的辨認(rèn)效果。

3 SPCE061A芯片特性簡介

SPCE061A是一款基于μ′nSP內(nèi)核的16位單片機(jī)，其芯片特性如下：(1)工作電壓：內(nèi)核工作電壓VDD為3.0～3.6V(CPU)，I/O口工作電壓VDDH為2.4～5.5V(I/O);(2)CPU時(shí)鐘：0.32MHz～49.152MHz;(3)內(nèi)置2K字SRAM和32K閃存ROM;(4)系統(tǒng)處于備用狀態(tài)下(時(shí)鐘處于停止?fàn)顟B(tài))，耗電小于2μA@3.6V;(5)具備觸鍵喚醒的功能;(6)32位通用可編程輸入/輸出端口;(7)2個(gè)16位可編程定時(shí)器/計(jì)數(shù)器(可自動預(yù)置初始計(jì)數(shù)值);(8)7通道10位電壓模-數(shù)轉(zhuǎn)換器(ADC)和單通道聲音模-數(shù)轉(zhuǎn)換器;(9)2個(gè)10位DAC(數(shù)-模轉(zhuǎn)換)輸出通道;(10)14個(gè)中斷源可來自定時(shí)器A/B，時(shí)基，2個(gè)外部時(shí)鐘源輸入，鍵喚醒;(11)具備串行設(shè)備接口;(12)低電壓復(fù)位(LVR)功能和低電壓監(jiān)測(LVD)功能;(13)內(nèi)置在線仿真(ICE，In-Circuit Emulator)接口。

SPCE061A的內(nèi)部結(jié)構(gòu)框圖如圖3所示。

4 SPCE061A的語音識別應(yīng)用

4.1 硬件電路簡述

SPCE061A的D/A轉(zhuǎn)換通道的硬件實(shí)現(xiàn)大致有兩類，一類是直接采用數(shù)/模轉(zhuǎn)換器(DAC)方式，另一類是直接采用脈寬調(diào)制(PWM)驅(qū)動方式，SPCE061A音頻輸出的結(jié)構(gòu)就是由兩個(gè)DAC通道或一個(gè)PWM驅(qū)動通道構(gòu)成。兩類實(shí)現(xiàn)方式實(shí)質(zhì)都為數(shù)/模轉(zhuǎn)換，都是將數(shù)字信號轉(zhuǎn)換成電流模擬信號輸出。SPCE061A的音頻輸出采用雙通道數(shù)/模轉(zhuǎn)換DAC方式，即數(shù)字信號通過10位DAC轉(zhuǎn)換成3mA驅(qū)動的電流模擬信號輸出。語音提示輸出直接采用DAC通道，經(jīng)信號放大后，由揚(yáng)聲器輸出。

語音識別電路比較簡單，MIC選用駐極體話筒。駐極體話筒具有結(jié)構(gòu)簡單、重量輕、體積小、無方向性、頻率響應(yīng)寬、保真度好等優(yōu)點(diǎn)，它的偏壓由SPCE061A的VMIC管腳提供。

4.2 系統(tǒng)軟件

語音識別分為語音樣板訓(xùn)練和語音識別兩個(gè)過程。我們將標(biāo)準(zhǔn)模式的存儲空間稱之為“詞庫”，而把標(biāo)準(zhǔn)模式稱之為“樣板”。所謂語音樣板訓(xùn)練，即將待識別的命令進(jìn)行頻譜分析，提取特征參數(shù)作為識別的標(biāo)準(zhǔn)模式。語音識別的過程是提取語音命令的特征參數(shù)，與詞庫中的樣板比較，取相似度最好的樣板命令序號作為識別結(jié)果。凌陽科技公司提供語音樣板訓(xùn)練工具和語音識別庫函數(shù)，每次可識別30條語音命令，命令較多可以分多組進(jìn)行，語音識別流程見圖4所示。

其中，BSR-GetResult函數(shù)為啟動辯識，當(dāng)無命令識別出來時(shí)，返回0;識別器停止、未初始化或識別未激活返回-1;當(dāng)識別不合格時(shí)返回-2;當(dāng)識別出來時(shí)返回命令的序號。部分程序源代碼如下。

以上程序代碼是SPCE061A在一種基于特定人智能語音識別電動小車上的應(yīng)用。經(jīng)大量實(shí)驗(yàn)測試表明，將SPCE061A應(yīng)用于語音識別領(lǐng)域，系統(tǒng)性能穩(wěn)定、聲音質(zhì)量和識別效果較好。但在環(huán)境噪聲或干擾信號高于語音信號時(shí)，系統(tǒng)將無法進(jìn)行正確的語音識別，在背景噪聲處理及其工程實(shí)際上還要進(jìn)一步改進(jìn)。