【正文】 的各個領(lǐng)域中獲得廣泛的應(yīng)用。矢量量化的基本原理將若干個標(biāo)量數(shù)據(jù)組成一個矢量（或者是從一幀語音數(shù)據(jù)中提取的特征矢量）在多維空間給與整體量化，從而可以在信息量損失較小的情況下壓縮數(shù)據(jù)量。建立參考模式庫是在系統(tǒng)使用前獲得并存儲起來的。其優(yōu)點(diǎn)是計算量小，比較徹底地去掉了語音產(chǎn)生過程中的激勵信息，易于實(shí)現(xiàn)。這一階段的任務(wù)是建立識別基本單元的聲學(xué)模型以及進(jìn)行文法分析的語言模型，即構(gòu)建參考模式庫。動作的實(shí)現(xiàn)方法是：凌陽61板向控制不同端口送高低電平以控制置于機(jī)器人內(nèi)部不同位置的電機(jī)的運(yùn)轉(zhuǎn)，調(diào)用延時，根據(jù)需要使各個部分電機(jī)相互配合，完成要求的動作，從而實(shí)現(xiàn)機(jī)器人的語音控制。 整體方案的規(guī)劃本課題是基于SPCE061A的智能機(jī)器人語音識別的實(shí)現(xiàn)，最終目的是形成一個較好的人機(jī)交流環(huán)境，使機(jī)器人能夠聽懂經(jīng)過訓(xùn)練的人的口頭命令，并能夠按照命令進(jìn)行相應(yīng)的動作。 聲控機(jī)器人的發(fā)展前景機(jī)器人是多學(xué)科交叉的產(chǎn)物，集成了運(yùn)動學(xué)與動力學(xué)、機(jī)械設(shè)計與制造、計算機(jī)硬件與軟件、控制與傳感器、模式識別與人工智能等學(xué)科領(lǐng)域的先進(jìn)理論與技術(shù)。機(jī)器人語音識別是語音識別在機(jī)器人領(lǐng)域的應(yīng)用，它的最終目的是讓機(jī)器人聽懂人們口述的語言，進(jìn)而對口述語言中包含的要求或詢問做出正確的動作反應(yīng)或語言反應(yīng)，從而形成一個良好的，自然的“人機(jī)通信系統(tǒng)”。中央處理系統(tǒng)機(jī)器人控制顯示器語音處理系統(tǒng) 最原始的機(jī)器人語音控制用語音控制來操作機(jī)器人代替煩瑣的鍵盤輸入。都屬于電子信息專業(yè)的基本課程。讓機(jī)器能夠聽懂人類的語言并且能夠按照人的口頭命令行動，從而實(shí)現(xiàn)人際交流一直以來都是人類的一個夢想。G由于材料等各方面的限制，只能以理論的形式出現(xiàn)。隨著社會的發(fā)展，人們的物質(zhì)文化生活水平也有了較大的提高，為了滿足人們愈來愈高的要求，機(jī)器人的深入和普及也越來越受到人們的關(guān)注。語言是由不同的人的聲帶所發(fā)出的，人們辨別它主要是通過聲波的變換來判斷的，這就是我們平常所說的音變。未來科技的發(fā)展趨勢是在以人為本的前提下，更多地實(shí)現(xiàn)機(jī)器設(shè)備的自動化和智能化，讓機(jī)器為人服務(wù)，代替人們進(jìn)行繁重的體力勞動和高危險工程。語音信號處理技術(shù)就是使用數(shù)字信號處理技術(shù)對于因信號進(jìn)行處理，處理的目的使用得到的某些參數(shù)進(jìn)行高效傳輸、存儲、語音增強(qiáng)、語音合成和語音識別。由DSP組成的語音識別系統(tǒng)，一般由定點(diǎn)16位DSP，外加A/D轉(zhuǎn)換，D/A轉(zhuǎn)換，以及ROM、RAM、FALSH等存儲器組成。具體過程是：首先進(jìn)行機(jī)器人的語音訓(xùn)練，我們這次設(shè)計采用的是特定人語音識別，每一個命令發(fā)布者都必須在發(fā)布命令之前對機(jī)器人進(jìn)行命令的語音訓(xùn)練。 特征提取經(jīng)過預(yù)處理后的語音信號，要對其進(jìn)行特征提取，即特征參數(shù)分析。語音特征提取是分幀提取的，每幀特征參數(shù)一般構(gòu)成一個矢量，因此，語音特征是一個矢量序列。目前常用的語音識別算法主要有：動態(tài)時間規(guī)整（DTW）、隱馬爾可夫（HMM）理論、矢量量化（VQ）技術(shù)。也就是說，矢量量化過程就是用代表的過程，或者說把量化成了Y。直到 20 世紀(jì) 60 年代后期，才有人提出了這種匹配方法，而有關(guān)它的理論基礎(chǔ)，是在 1970 年前后由 Baum 等人建立起來的，隨后由 CMU 的 Baker 和 IBM 的 Jelinek 等人將其應(yīng)用到語音識別之中。記 M個觀察值為 ，…，,記 t 時刻觀察到的觀察值為 ,其中 ∈ (,…, )。這樣，可以記一個 HMM 為 M={S，O，A，B，π，F(xiàn)}，為了便于表示，常用下面的形式表示一個 HMM，即簡寫為 M={A，B，π}。前向后向算法前向后向算法（ForwardBackward，簡稱為 FB 算法）是用來計算給定一個觀察值序列 0=o1,o2，… ，oT 以及一個模型 M={ A，B，π}時，由模型 M 產(chǎn)生出 O 的概率 P (O|M)的。Viterbi 算法解決了給定一個觀察值序列和一個模型 M={A，B，π}時，在最佳意義上確定一個狀態(tài)序列的問題。在主程序中開始是對RAM存儲器進(jìn)行清除，這為存放提取的語音信號的特征矢量和模板庫做準(zhǔn)備。系統(tǒng)接到命令后就開始進(jìn)行識別，如識別成功，則系統(tǒng)會按命令執(zhí)行，如識別失敗，系統(tǒng)也會通過語音提示用戶。SACM_A2000算法SACM_A2000屬于波形編碼，該壓縮算法壓縮比較?。?:1），所以具有高質(zhì)量、高碼率的特點(diǎn)，適用于高保真音樂和語音。0x0001)=1){　　　　　SACM_S480_ServiceLoop()； 　　∥播放服務(wù)函數(shù)　}　　　　　SACM_S480_Stop()；　　∥停止播放主播放函數(shù)SACM_S480_Play( int Speech_Index ,int Channel ,int Ramp_Set) 有3 個參數(shù): Speech_Index 表示播放索引號；Channel 表示播放通道(1—通過DAC1 通道播放,2—通過DAC2 通道播放,3—通過DAC1和DAC2通道播放)；Ramp Set 表示消除開始放音時的“?！甭暋ＵZ音識別程序語音訓(xùn)練完成后，要想使機(jī)器人能夠聽懂人發(fā)出的命令，還應(yīng)該對語音命令進(jìn)行語音識別，將語音信號轉(zhuǎn)化成單片機(jī)可識別的代碼，這一步也是整個設(shè)計的關(guān)鍵之所在。若識別成功則將識別出來的命令序號返給主程序。但是后期實(shí)現(xiàn)的時候我們舍棄了這一方案，因?yàn)闄C(jī)器人的運(yùn)動是模仿人的運(yùn)動而制作的，人的運(yùn)動十分復(fù)雜，僅僅想要利用方波來實(shí)現(xiàn)雖然是可行的，但是對整個設(shè)計卻沒有很大的必要，費(fèi)時費(fèi)力。進(jìn)行訓(xùn)練的時候盡量在安靜的環(huán)境進(jìn)行。畢業(yè)設(shè)計是大學(xué)生活的最后一站也是至關(guān)重要的一個環(huán)節(jié)，學(xué)生們在本科學(xué)習(xí)階段所學(xué)的知識和掌握的能力都將在為期半年的畢業(yè)設(shè)計中完整地體現(xiàn)出來。這次實(shí)踐是對自己大學(xué)四年所學(xué)的一次大檢閱，使我明白自己知識還很淺薄，雖然馬上要畢業(yè)了，但是自己的求學(xué)之路還很長，以后更應(yīng)該在工作中學(xué)習(xí)，努力使自己 成為一個對社會有所貢獻(xiàn)的