基于STM32的嵌入式語(yǔ)音識(shí)別模塊設(shè)計(jì)實(shí)現(xiàn)

介紹了一種以ARM為核心的嵌入式語(yǔ)音識(shí)別模塊的設(shè)計(jì)與實(shí)現(xiàn)。模塊的核心處理單元選用ST公司的基于ARM Cortex-M3內(nèi)核的32位處理器STM32F103C8T6。本模塊以對(duì)話管理單元為中心，通過(guò)以LD3320芯片為核心的硬件單元實(shí)現(xiàn)語(yǔ)音識(shí)別功能，采用嵌入式操作系統(tǒng)μC/OS-II來(lái)實(shí)現(xiàn)統(tǒng)一的任務(wù)調(diào)度和外圍設(shè)備管理。經(jīng)過(guò)大量的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證，本文設(shè)計(jì)的語(yǔ)音識(shí)別模塊具有高實(shí)時(shí)性、高識(shí)別率、高穩(wěn)定性的優(yōu)點(diǎn)。

服務(wù)機(jī)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(jī)器人交互，而不再滿足于復(fù)雜的鍵盤(pán)和按鈕操作。基于聽(tīng)覺(jué)的人機(jī)交互是該領(lǐng)域的一個(gè)重要發(fā)展方向。目前主流的語(yǔ)音識(shí)別技術(shù)是基于統(tǒng)計(jì)模式。然而，由于統(tǒng)計(jì)模型訓(xùn)練算法復(fù)雜，運(yùn)算量大，一般由工控機(jī)、PC機(jī)或筆記本來(lái)完成，這無(wú)疑限制了它的運(yùn)用。嵌入式語(yǔ)音交互已成為目前研究的熱門(mén)課題。

嵌入式語(yǔ)音識(shí)別系統(tǒng)和PC機(jī)的語(yǔ)音識(shí)別系統(tǒng)相比，雖然其運(yùn)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(diǎn)，特別適用于智能家居、機(jī)器人及消費(fèi)電子等領(lǐng)域。

模塊整體方案及架構(gòu)

語(yǔ)音識(shí)別的基本原理如圖1所示。語(yǔ)音識(shí)別包括兩個(gè)階段：訓(xùn)練和識(shí)別。不管是訓(xùn)練還是識(shí)別，都必須對(duì)輸入語(yǔ)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(guò)用戶輸入若干次訓(xùn)練語(yǔ)音，經(jīng)過(guò)預(yù)處理和特征提取后得到特征矢量參數(shù)，最后通過(guò)特征建模達(dá)到建立訓(xùn)練語(yǔ)音的參考模型庫(kù)的目的。而識(shí)別階段所做的主要工作是將輸入語(yǔ)音的特征矢量參數(shù)和參考模型庫(kù)中的參考模型進(jìn)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(shí)別結(jié)果輸出。這樣，最終就達(dá)到了語(yǔ)音識(shí)別的目的。

現(xiàn)有的語(yǔ)音識(shí)別技術(shù)按照識(shí)別對(duì)象可以分為特定人識(shí)別和非特定人識(shí)別。特定人識(shí)別是指識(shí)別對(duì)象為專門(mén)的人，非特定人識(shí)別是指識(shí)別對(duì)象是針對(duì)大多數(shù)用戶，一般需要采集多個(gè)人的語(yǔ)音進(jìn)行錄音和訓(xùn)練，經(jīng)過(guò)學(xué)習(xí)，達(dá)到較高的識(shí)別率。

基于現(xiàn)有技術(shù)開(kāi)發(fā)嵌入式語(yǔ)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(yǔ)音開(kāi)發(fā)包；另一種是嵌入式處理器外圍擴(kuò)展語(yǔ)音芯片。第一種方法程序量大，計(jì)算復(fù)雜，需要占用大量的處理器資源，開(kāi)發(fā)周期長(zhǎng)；第二種方法相對(duì)簡(jiǎn)單，只需要關(guān)注語(yǔ)音芯片的接口部分與微處理器相連，結(jié)構(gòu)簡(jiǎn)單，搭建方便，微處理器的計(jì)算負(fù)擔(dān)大大降低，增強(qiáng)了可靠性，縮短了開(kāi)發(fā)周期。

語(yǔ)音識(shí)別技術(shù)在國(guó)內(nèi)外的發(fā)展十分迅速。目前國(guó)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(shí)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(yáng)的SPCE061A、ICRoute的LD332X、上海華鎮(zhèn)電子的WS-117。

本文的語(yǔ)音識(shí)別方案是以嵌入式微處理器為核心，外圍加非特定人語(yǔ)音識(shí)別芯片及相關(guān)電路構(gòu)成。語(yǔ)音識(shí)別芯片選用ICRoute公司的LD33 20芯片。

硬件電路設(shè)計(jì)

如圖2所示，硬件電路主要包括主控核心部分和語(yǔ)音識(shí)別部分。語(yǔ)音進(jìn)入語(yǔ)音識(shí)別部分后，將處理過(guò)的數(shù)據(jù)并行傳輸?shù)街骺刂破?，主控制器?jīng)過(guò)處理后，發(fā)送命令數(shù)據(jù)到USART，USART可用于擴(kuò)展外圍串行設(shè)備，如語(yǔ)音合成模塊等。

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(dá)72 MHz，內(nèi)置高速存儲(chǔ)器(64 KB的閃存和20 KB的SRAM)，豐富的增強(qiáng)I/O端口和聯(lián)接到兩條APB總線的外設(shè)。STM32系列提供了全新的32位產(chǎn)品選項(xiàng)，結(jié)合了高性能、實(shí)時(shí)、低功耗、低電壓等特性，同時(shí)保持了高集成度和易于開(kāi)發(fā)的優(yōu)勢(shì)，將32位MCU世界的性能和功效引向一個(gè)新的級(jí)別。