【文章內(nèi)容簡介】 大研究范圍 ,分別是口音獨立、連續(xù)語音、可辨認(rèn)詞匯數(shù)量。 （一） 口音獨立 特定發(fā)音人識別 SD（ Speaker Dependent）模式，語音樣板由單個人訓(xùn)練，也只能識別訓(xùn)練人的語音命令，而他人的命令識別率較低或幾乎不能識別。非特定發(fā)音人識別 SI（ Speaker Independent）模式，語音樣板適用不同年齡、不同性別、不同口音的人進行識別，使用者無需訓(xùn)練即可使用，并進行辨識。 （二） 連續(xù)語音 單字音辨認(rèn)：確保每個字音都能正確分割出來，但必須給一字一字的分 開來讀，非常不自然，與平常說話的連續(xù)方式有所不同。整句辨識：能按正常說話速度，整句表達(dá)，中間不需要停頓。這種方式自然，但難度高，現(xiàn)階段識別率不高。由于中文同音太多，因此目前所有中文語音識別系統(tǒng)幾乎都以詞為依據(jù)，來判斷同音字詞。 （三） 可辨認(rèn)詞匯數(shù)量 在系統(tǒng)內(nèi)部建立詞匯數(shù)據(jù)庫的多少，將直接影響其辨識能力。按辨識的詞匯量來說，可分為小詞匯量 (10~100 個 )、中詞匯量 (100~1000 個 )、無限詞匯量 圖 3 是文本到語音的轉(zhuǎn)換過程 : 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 8 文本輸入 合成語音輸出 圖 3 從文本到語音轉(zhuǎn)換過程示意 文本處理 韻律處理 語音合成 詞典及語言規(guī)范 語音數(shù)據(jù)庫 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 9 第三章 凌陽 SPCE061A 單片機簡介 臺灣凌陽公司推出的 16 位嵌入式語音處理 SPCE061A 是一款高度集成化的單片機處理器，不僅有同類型單片機的通用功能，而且最在的特點在于它具有語音識別處理能力。它的主要性能： 32 位通用可編程輸入輸出 /輸出端口；內(nèi)置換 2K 字的 SRAM 和 32K 的Flash； 2 個 16 位可編程的定時器 /計數(shù)器； 2 個 10 位 DAC(數(shù) 模轉(zhuǎn)換 )輸出通道； 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；聲音模 數(shù)轉(zhuǎn)換器輸入通道，內(nèi)置麥克風(fēng)放大器和自動增益控制 (AGC)功能； SPCE061A 處理芯片是一款功能齊全的單片機，且包含了 DSP 功能，在設(shè)計上它所需的外接的器件數(shù)量大大減少。同時， SPCE061A 也是一款 16 位結(jié)構(gòu)的 u39。nSP 微控制器，支持可編程音頻處理，使用凌陽音頻處理，使用凌陽公司音頻編碼 SACM_S24 方式（ ），能容納 210 秒的語音數(shù)據(jù)； CPU時鐘為 具有較高的處理速度 ,能夠非常容易地、快速地處理復(fù)雜的數(shù)字信號。工作電壓低，具有睡眠功 能，能耗低。因此，以 SPCE061A 為微控制器適用于語音識別領(lǐng)域的一種經(jīng)濟的選擇。 SPCE061A 的結(jié)構(gòu)如圖 5 所示。 圖 5 凌陽 SPCE061A 單片機內(nèi)部結(jié)構(gòu) 雙 16 位定時器 /計數(shù)器 時基 中斷控制 7 通道 10 位 ADC 單通道語音 ADC +AGC 雙通道 10 位 DAC 串行 I/O 接口 鎖相環(huán) 振蕩器 CPU 時鐘 實時時鐘 低電壓監(jiān)測與復(fù)位 32 個管腳通用輸入輸出端口 16 位微控 制器 u39。nSP 內(nèi)核 ICE FLASH RAM UART 通信接口 ICE_EN ICE_SCK ICE_SDA Vcp MIC_IN AUD1 XI/R XO AUD2 IOA0~15 IOB0~15 圖 4 SPCE061A 外觀 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 10 第一節(jié) 音頻壓縮算法的編碼標(biāo)準(zhǔn)及分類 一、壓縮算法的編碼 不同音頻質(zhì)量等級的編碼技術(shù)標(biāo)準(zhǔn) （頻響），如表 2。 表 2 不同音頻質(zhì)量標(biāo)準(zhǔn)比較 信號類型 頻率范圍（ Hz） 采樣率（ kHz） 量化精度（位） 電話 話音 200~3400 8 8 寬帶音頻 （ AM 質(zhì)量） 50~7000 16 16 調(diào)頻廣播 （ FM 質(zhì)量） 20~15k 16 高質(zhì)量音頻 （ CD 質(zhì)量） 20~20k 16 凌陽音頻壓縮算法處理的語音信號的范圍是 200Hz－ 的電話話音。 二、壓縮分類 壓縮分無損壓縮和有損壓縮。所謂無損壓縮格式，是利用數(shù)據(jù)的統(tǒng)計冗余進行壓縮，可完全回復(fù)原始數(shù)據(jù)而不引起任何失真，但壓縮率是受到數(shù)據(jù)統(tǒng)計冗余度的理論限制，一般為2:1 到 5:，程序 和特殊應(yīng)用場合的圖像數(shù)據(jù) (如指紋圖像，醫(yī)學(xué)圖像等 )的壓縮。無損壓縮一般指：磁盤文件，壓縮比低： 2:1～ 4:1。無損壓縮的優(yōu)勢具有 100％的保存、沒有任何信號丟失；音質(zhì)高，不受信號源的影響；在不同無損壓縮格式之間互相轉(zhuǎn)換，而不會丟失任何數(shù)據(jù)等特點。 所謂有損壓縮是利用了人類對聲波或圖像中的某些頻率成分不敏感的特性，允許壓縮過程中損失一定的信息；雖然不能完全恢復(fù)原始數(shù)據(jù)，但是所損失的部分對理解原始聲音的影響縮小，卻換來了大得多的壓縮比。有損壓縮廣泛應(yīng)用于語音，圖像和視頻數(shù)據(jù)的壓縮。如音 /視頻文件，壓縮比可高達(dá) 100:1。 凌陽音頻壓縮算法根據(jù)不同的壓縮比分為以下幾種，如表 3 所示。 表 3 不同壓縮算法的壓縮比 音頻壓縮編碼 凌陽音頻壓縮算法 壓縮比 波形編碼 SACMA2020 8:１， 8:， 8: 混合編碼 SACMS480 80:3， 80: 參數(shù)編碼 SACMS240 80: 由壓縮比可知音質(zhì)排序 ： A2020S480S240 第二節(jié) 凌陽常用的音頻形式和壓縮算法 一、 波形編碼 波形編碼采用子帶編碼技術(shù) (subband)即 SACMA2020。特點為語音質(zhì)量高、編碼率高，適于高保真語音和音樂。 二、 參數(shù)編碼 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 11 參數(shù)編碼采用聲碼器（ vocoder）模型表達(dá)，抽取參數(shù)與激勵信號進行編碼。如：SACMS240。特點為壓縮比大，計算量大，音質(zhì)不高，廉價！ 三、 混合編碼 CELP 即 SACMS480。特點為綜合參數(shù)和波形編碼之優(yōu)點。 第三節(jié) 凌陽語音的播放、錄制、合成和辨識 一、 語音的播放 凌陽的 SPCE061A 是 16 位單片機，具有 DSP 功能，有很強的信息處理能力，最高時鐘頻率可達(dá)到 49MHz，具備運算速度高的優(yōu)勢等，這些優(yōu)勢為語音的播放、錄放、合成及辨識提供了有利的條件。 二、 語音的錄制 凌陽壓縮 算法中 SACM_S2 SACM_A20 SACM_S480 主要是用來進行語音播放，而 DVR 則用來錄制語音的。調(diào)用它們的 API 函數(shù)即可。 三、 合成和辨識 對于語音辨識主要有以下兩種： （一）特定發(fā)音人識別 SD（ Speaker Dependent）：是指語音樣板由單個人訓(xùn)練，也只能識別訓(xùn)練人的語音命令，而他人的命令識別率較低或幾乎不能識別。 （二）非特定發(fā)音人識別 SI（ Speaker Independent）：是指語音樣板由不同年齡、不同性別、不同口音的人進行訓(xùn)練，可以識別一群人的命令。 語音識別電路基本結(jié) 構(gòu)如圖 6 所示 : 識別 語音 結(jié)果 圖 6 語音識別電路結(jié)構(gòu) 第四節(jié) 語音識別系統(tǒng)結(jié)構(gòu) 要實現(xiàn)說話人識別，需要解決以下幾個基本問題：對語音信號的預(yù)處理、聲音模型的建立和模型參數(shù)的訓(xùn)練、測試音與發(fā)音人的匹配問題。語音識別系統(tǒng)的邏輯框圖如圖 7 所示，包括特征提取、模型訓(xùn)練、模式匹配以及邏輯決策 4 個主要模塊。 語音分析 除噪音 預(yù)加重 濾波器組 PARCOR 系數(shù)線性預(yù)測系數(shù) 過零次數(shù) 相關(guān)函數(shù) 模式匹配 詞典 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 12 錄入階段 識別階段 圖 7 語音識別系統(tǒng)邏輯框圖 （一） 特征提取模塊：指采用各種模擬和數(shù)字處理技術(shù)，運用軟件和硬件的手段，處理語音信號，選擇和提取能夠表語音信號的特征。說話人的模型不是由語音信號得到的，而是通過從語音信號中提取特征得到的，是聲音特征的模型。訓(xùn)練音和測試音中有進行語音特征提取才能進行后續(xù)的處理。 （二） 模型訓(xùn)練模塊：指建立聲音模型的過程。聲音模型可以是單一模板模型、向量量化模型、高斯混合模型、隱馬爾可夫模型、神經(jīng)網(wǎng)絡(luò)模型、支持向量機、動態(tài)貝葉斯網(wǎng)絡(luò)、以及它們的混合模型。無論是什么樣的模型，模型的參數(shù)和優(yōu)化都在這一 步完成。 （三） 模型匹配模塊：測試音的特征與說話人模型進行匹配，計算匹配距離。說話人確認(rèn)時，只與說話人模型進行匹配及進行匹配距離計算；說話人鑒別時，與所有人的模型進行匹配計算。這實際上是一個得分計算過程。 （四） 決策邏輯模塊：根據(jù)匹配距離計算結(jié)果，判決說話人是否是所聲稱的說話人或說話人 (說話人確認(rèn) )到底是誰 (說話人鑒別 )。 語音識別技術(shù)最為關(guān)鍵的就是特征提取和語音模型。其語音識別的特征提取分為 4 個階段：采樣與量、預(yù)加重處理、加窗和特征提取，如圖 8 所示，其中，前三個階段為語音預(yù)處理過程。語音信號處理過程中，必須先對大量的 樣本進行參數(shù)化，也就是提取較少具有代表性的部分?jǐn)?shù)據(jù)來表征某一段語音信號，這個過程就是特征提取。 圖 8 特征提取的基本過程 特征向量序列 語音幀 序列 語音信號數(shù)字形式 高、中、低幅度相當(dāng) 語音信號 模擬語音 信號 錄音設(shè)備 特征提取模塊 模型訓(xùn)練模塊 特征提取模塊 ↓ 語音 1 模型 語音 2 模型 語音 N 模型 模式匹配模塊 決策邏輯模塊 錄音設(shè)備 鑒別 /確認(rèn)結(jié)果 采樣與量化 預(yù)加重處理 加窗 特征提取 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 13 第四章 語音控制器總體設(shè)計 第一節(jié) 設(shè)計要求 語音控制小車的主要功能： 一、可以通過簡單的 I/O 操作實現(xiàn)小車的前進、后退、左轉(zhuǎn)、右轉(zhuǎn)功能； 二、配合 SPCE061A 的語音特色，利用系統(tǒng)的語音播放和語音識別資源，實現(xiàn)語音控制的功能； 三、可以在行走過程中聲控改變小車運動狀態(tài)。 語音控制器設(shè)計的目的是通過語音來控制小車的兩個直流電機的正轉(zhuǎn)、反 轉(zhuǎn)，實現(xiàn)小的前進、后退、左轉(zhuǎn)、右轉(zhuǎn)等基本運動。本語音控制小車是經(jīng)凌陽 16 位 SPCE061A 單片機為核心的精簡開發(fā)板，簡稱 61 板。 61 板除了具有 SPCE061A 最小系統(tǒng)電路外，還包括得有電源電路、音頻電路、復(fù)位電路、下載電路等。采用 61 板設(shè)計聲控小車，只需要設(shè)計小車驅(qū)動電路即可。其語音控制器的總體結(jié)構(gòu)圖如圖 9 所示。 圖 9 語音控制器的總體設(shè)計 SPCE061A 電源 模塊 聲音播放模塊 電機驅(qū)動模塊 聲音采集模塊 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 14 第二節(jié) 61 板簡介 圖 10 61 板硬件框圖 表 4 框圖說明 POWER 5Vamp。3V 供電電路 PLL 鎖向環(huán)外部電 路 Power－電源指示燈 Sleep－睡眠指示燈 RESET 復(fù)位電路 K4 復(fù)位按鍵 PROBE 在線調(diào)試器串行 5 針接口 S5 EZPROBE 和 PROBE 切換的撥斷開關(guān) J1 J3 耳機插孔和兩針喇叭插針 DAC 一路音頻輸出電路，采用SPY0030 集成音頻放大器 MIC 麥克風(fēng)輸入電路 OSC 32768 晶振電路 VREF A/D 轉(zhuǎn)換外部參考電壓輸入接口 R/C 芯片其他外圍電阻、電容電路 K1~K3 擴展的按鍵：接IOA0~IOA2 SPCE061A 61 板 核心： 16 位微處理器 PORTA/B 32 個 I/O 口 貴陽學(xué)院本科畢業(yè)論文（設(shè)計） 15 圖 11 61 板接口說明圖 第三節(jié) 小車車體簡介 小車選用直流電機、變速齒輪。一個電機控制左側(cè) 2 個輪子，另一個電機控制右側(cè) 2 個子輪。如圖 5 所示。此小車能在碎石路、沙地，草地或斜坡路面等，都能暢行無阻四輪驅(qū)動車，其運動過程頗為有趣，靈活的機械式動作。車輪使用能夠扎實地與地面接觸，富有彈性的實心橡膠制輪胎， 260 馬達(dá)驅(qū)動，能讓您的基礎(chǔ)車有充足的動力越過障礙。 ? 長寬高： 145*108*55mm ? 重量： 260g ? 最大負(fù) 載： ? 額定電壓： ~9V