基于SPCE061A的語音識別技術

SPCE061A是凌陽公司設計的一種16位單片機，該款單片機資源豐富，具有極高的性價比，該單片機內(nèi)置有2路DA轉換，8路AD轉換及在線仿真，并且有16×16位的乘法運算和內(nèi)積運算的DSP功能，這為它進行復雜的語音數(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。這些特點為我們進行在語音處理尤其是語音識別領域的應用提供了便利。

語音識別技術在各個層面均有廣泛的應用前景。電腦軟件領域，例如：語音命令、語音輸入，對話系統(tǒng)、查詢系統(tǒng)、教學軟件、游戲軟件等;消費性電子產(chǎn)品領域，例如：電子記事本、聲控玩具、語音拔號功能的手機等;工業(yè)產(chǎn)品領域，例如：車用移動電話、車用導航系統(tǒng)等;電話系統(tǒng)領域，例如：語音識別總機服務、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是語音訓練模型的部分：將已知的語音信號經(jīng)由端點偵測(End Point Detection)及特征參數(shù)求取(Feature Extraction)而產(chǎn)生標準的語音參考樣本。

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)后再與前述的標準語音參考樣本對比，找出最相似的參考樣本作為辨識的結果。

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行圖1的訓練學習步驟。

2.2 非特定人語音識別

使用本系統(tǒng)前根本不需要先學習，便能直接使用。一套最佳的語音識別系統(tǒng)是不須經(jīng)過學習便能進行語音識別，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，識別所說的每一個字必須分開辨認;而連續(xù)語音識別可以一般自然流利的說話方式來進行人性化的語音識別，但由于關系到相連音的問題，很難達到好的辨認效果。

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，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(時鐘處于停止狀態(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16位可編程定時器/計數(shù)器(可自動預置初始計數(shù)值);(8)7通道10位電壓模-數(shù)轉換器(ADC)和單通道聲音模-數(shù)轉換器;(9)2個10位DAC(數(shù)-模轉換)輸出通道;(10)14個中斷源可來自定時器A/B，時基，2個外部時鐘源輸入，鍵喚醒;(11)具備串行設備接口;(12)低電壓復位(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)部結構框圖如圖3所示。

4 SPCE061A的語音識別應用

4.1 硬件電路簡述

SPCE061A的D/A轉換通道的硬件實現(xiàn)大致有兩類，一類是直接采用數(shù)/模轉換器(DAC)方式，另一類是直接采用脈寬調(diào)制(PWM)驅動方式，SPCE061A音頻輸出的結構就是由兩個DAC通道或一個PWM驅動通道構成。兩類實現(xiàn)方式實質(zhì)都為數(shù)/模轉換，都是將數(shù)字信號轉換成電流模擬信號輸出。SPCE061A的音頻輸出采用雙通道數(shù)/模轉換DAC方式，即數(shù)字信號通過10位DAC轉換成3mA驅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。駐極體話筒具有結構簡單、重量輕、體積小、無方向性、頻率響應寬、保真度好等優(yōu)點，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練和語音識別兩個過程。我們將標準模式的存儲空間稱之為“詞庫”，而把標準模式稱之為“樣板”。所謂語音樣板訓練，即將待識別的命令進行頻譜分析，提取特征參數(shù)作為識別的標準模式。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果。凌陽科技公司提供語音樣板訓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，當無命令識別出來時，返回0;識別器停止、未初始化或識別未激活返回-1;當識別不合格時返回-2;當識別出來時返回命令的序號。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用。經(jīng)大量實驗測試表明，將SPCE061A應用于語音識別領域，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，系統(tǒng)將無法進行正確的語音識別，在背景噪聲處理及其工程實際上還要進一步改進。