【正文】 T89C51RC的最小系統(tǒng)設(shè)計(jì)中含有256K字節(jié)外部隨機(jī)存取存儲(chǔ)器（RAM）。圖3表示了AT89C51RC最小系統(tǒng)的電路圖。圖2　　硬件系統(tǒng)框圖ADC0820是用來(lái)將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)（參見(jiàn)圖3）。，所以8 kHz的采樣率是足夠的。一個(gè)MD110飛利浦麥克風(fēng)的聲音作為傳感器，可以將其中的聲音轉(zhuǎn)換成電信號(hào)。一個(gè)放大器和濾波器電路，用于放大和過(guò)濾麥克風(fēng)的輸出信號(hào)，然后，將模擬信號(hào)轉(zhuǎn)為數(shù)字信號(hào)。 40分貝/12月高通濾波器用來(lái)阻止頻率為20赫茲的過(guò)濾信號(hào)。圖3　　包含ADC0820和256KBRAM的AT89C51RC最小系統(tǒng)3．用于語(yǔ)音識(shí)別的線性預(yù)測(cè)編碼和歐氏距離平方第一種實(shí)現(xiàn)語(yǔ)音識(shí)別的方法是微控制器是線性預(yù)測(cè)編碼（LPC），這是結(jié)合歐氏距離平方（ESD）的方法。LPC是作為特征提取方法和歐氏平方距離作為L(zhǎng)PC和ESD訓(xùn)練和識(shí)別系統(tǒng)識(shí)別分別表示出在圖4和圖5。圖4　　使用LPC的培訓(xùn)體系框圖在檢測(cè)體系中，數(shù)據(jù)直接從采樣麥克風(fēng)來(lái)。然后，每個(gè)檢驗(yàn)樣本用LPC處理器算法處理，此過(guò)程的結(jié)果是一組的語(yǔ)音信號(hào)的倒譜系數(shù)。這些倒譜系系數(shù)是用來(lái)作為參考模型。還有一個(gè)簡(jiǎn)單的算法實(shí)現(xiàn)檢測(cè)是否存在語(yǔ)音信號(hào)。系統(tǒng)讀取四個(gè)連續(xù)采樣的數(shù)據(jù)，然后計(jì)算出這4個(gè)數(shù)據(jù)的平均值。如果平均值為小于限制值，它意味著不存在語(yǔ)音信號(hào)。如果該平均值大于或等于限制值時(shí)，這意味著是一個(gè)語(yǔ)音信號(hào)。LPC處理器的處理的基本步驟包括以下的：：數(shù)字化的語(yǔ)音信號(hào)s（n）的，被放置在一個(gè)低的順序的數(shù)字統(tǒng)，頻譜平坦的信號(hào)，并使其不容易受到有限精度的影響后，再進(jìn)行信號(hào)處理。相關(guān)的輸出的preemphasizer網(wǎng)絡(luò)，相關(guān)的輸入到網(wǎng)絡(luò)，S（N），差分方程： 。圖5　　使用LPC和ESD識(shí)別系統(tǒng)框圖2. 幀封鎖：輸出預(yù)加重步，?S（N），與相鄰的幀到幀的N個(gè)樣本，阻止由M個(gè)樣本被分離。如果X(N)是語(yǔ)音幀，并且有L幀在整個(gè)語(yǔ)音信號(hào)，然后3. 窗：幀阻塞后，接下來(lái)的步驟是每一幀設(shè)置窗口，以盡量減少信號(hào)上面的每幀的開(kāi)始和結(jié)束的不連續(xù)性。如果我們定義了窗口為w（n）時(shí)，0≤N≤N 1，則窗口化的結(jié)果是信號(hào)：典型的窗口漢明窗，它具有形式：4. 自相關(guān)分析：下一步是自動(dòng)關(guān)聯(lián)為了給最高的自相關(guān)值，對(duì)每個(gè)幀窗口信號(hào)的順序是LPC分析：5. LPC分析：下一個(gè)處理步驟是LPC分析，將每個(gè)幀的p+1自相關(guān)到LPC參數(shù)集由德賓方法。這可以正式被指定為下面的算法：通過(guò)遞歸地求解等式6至10個(gè)，對(duì)于i= 1,2，...，第的LPC系數(shù)，m，被給定為：6. LPC參數(shù)轉(zhuǎn)換：LPC倒譜系數(shù)倒頻譜系數(shù)，是一個(gè)非常重要的LPC參數(shù)集，它可以直接來(lái)自LPC系數(shù)設(shè)置。使用遞歸：首先，使用LPC處理器將未知的語(yǔ)音信號(hào)進(jìn)行處理。這個(gè)過(guò)程的結(jié)果是對(duì)未知的語(yǔ)音信號(hào)的倒譜系數(shù)。然后，計(jì)算倒譜系之間的距離平方歐幾里德未知的語(yǔ)音信號(hào)和倒譜系數(shù)的系數(shù)參考模型的系數(shù)執(zhí)行。計(jì)算歐幾里德平方距離對(duì)于每個(gè)參考模型用公式：在靜電放電之間的平方距離的兩點(diǎn)，P=.. ..和Q=N P，...，第1次2.. .. N Q，Q，...，Q的未知的語(yǔ)音信號(hào)將被確認(rèn)為具有最小距離的未知的語(yǔ)音信號(hào)參考模型。這種方法已經(jīng)實(shí)現(xiàn)了對(duì)AT89C51RC單片機(jī)采用匯編語(yǔ)言。一些限制和規(guī)格的系統(tǒng)中的應(yīng)用，即：，最大數(shù)量的參考模型，可以存儲(chǔ)在存儲(chǔ)器38的是模型大的LPC順序是16和最大尺寸的LPC倒譜矢量16，和最大數(shù)目的數(shù)據(jù)，每幀幀阻塞進(jìn)程（LPC處理器的一部分）255和兩個(gè)相鄰幀之間的距離是小于255的和大于或等于80。確定的所有限制，因?yàn)橄拗苾?nèi)存大小AT89C51RC的最小值，其設(shè)置在系統(tǒng)也因?yàn)锳T89C51RC是8位微控制器。4．使用馬爾科夫鏈模型的語(yǔ)音識(shí)別第二種方法上實(shí)現(xiàn)語(yǔ)音識(shí)別微控制器隱馬爾可夫模型（HMM）作為識(shí)別方法。在這種方法中，LPC的特征提取方法，因?yàn)椴槐挥米魈幚砥?。LPC處理器的計(jì)算花費(fèi)的時(shí)間（約19秒），當(dāng)它被實(shí)施AT89C51RC。因此，與其LPC處理器，一個(gè)簡(jiǎn)單的功能提取算法，分割和質(zhì)心，實(shí)施，以減少計(jì)算時(shí)間。A. HMM結(jié)構(gòu)設(shè)計(jì)HMM的類型，在這次講話中實(shí)施識(shí)別系統(tǒng)有左，右的模型，因而也被稱為作為模型Bakis。這種模式的屬性，隨著時(shí)間的增大，狀態(tài)指數(shù)上升或停留在相同的狀態(tài)。但是，在該語(yǔ)音識(shí)別系統(tǒng)中，HMM模型設(shè)計(jì)狀態(tài)指數(shù)總是隨著時(shí)間增加，并且永遠(yuǎn)不會(huì)停留在相同的狀態(tài)。而且，在狀態(tài)指數(shù)總是增加一到下一個(gè)狀態(tài)指數(shù)時(shí)間的增加。圖6示出的結(jié)構(gòu)的HMM設(shè)計(jì)的語(yǔ)音識(shí)別系統(tǒng)中使用的。圖6　　N個(gè)從左至右的HMM狀態(tài)模型通過(guò)設(shè)計(jì)這樣的結(jié)構(gòu)，國(guó)家的HMM轉(zhuǎn)移概率分布固定為：初始狀態(tài)的概率分布是固定的，因?yàn)槌跏紶顟B(tài)始終狀態(tài)1。與其他從來(lái)沒(méi)有開(kāi)始狀態(tài)。因此，初始狀態(tài)的概率分布設(shè)計(jì)的隱馬爾可夫模型的結(jié)構(gòu)是：HMM的狀態(tài)的時(shí)間段與在時(shí)域的語(yǔ)音信號(hào)的時(shí)間間隔。觀察HMM模型的符號(hào)與振幅講話信號(hào)。B．HMM訓(xùn)練系統(tǒng)框圖顯示在圖 HMM訓(xùn)練系統(tǒng)的主要任務(wù)是創(chuàng)建HMMλ模型中每個(gè)單詞的樣品。 HMMλ參數(shù)模型包括一批國(guó)家（N），觀察數(shù)符號(hào)（M），狀態(tài)轉(zhuǎn)移概率分布（A），觀察符號(hào)的概率分布（B），和初始狀態(tài)的概率分布（π）。通過(guò)使用HMM結(jié)構(gòu)在圖6中所示，所有的參數(shù)是已知的，除了觀察符號(hào)概率分布（B）的不同這取決于訓(xùn)練數(shù)據(jù)集。因此，在這個(gè)特定的HMM的培訓(xùn)體系，只有觀察符號(hào)概率在該州的分布進(jìn)行計(jì)算。其他參數(shù)是預(yù)先定義的。圖7　　HMM訓(xùn)練系統(tǒng)框圖根據(jù)的時(shí)間間隔，語(yǔ)音信號(hào)被分為若干段。每個(gè)段可以由一個(gè)質(zhì)心值計(jì)算的中心，這是由段中的語(yǔ)音信號(hào)的振幅的區(qū)域。向量量化被施加到每個(gè)段的質(zhì)心值并導(dǎo)致觀察每個(gè)國(guó)家的象征。該序列觀察符號(hào)狀態(tài)1，狀態(tài)2，狀態(tài)N表示觀測(cè)序列的詞語(yǔ)。如果每個(gè)字的樣本數(shù)，HMM訓(xùn)練語(yǔ)音識(shí)別系統(tǒng)中為R，每個(gè)樣本被轉(zhuǎn)換觀測(cè)序列由特征提取andvector的量化處理，觀察符號(hào)概率分布（B），可以計(jì)算出的狀態(tài)使用下面的公式：基于HMM的識(shí)別系統(tǒng)的框圖所示如圖8所示。同樣的，首先在HMM識(shí)別系統(tǒng)未知單詞的語(yǔ)音信號(hào)將被轉(zhuǎn)換為由該字組成的觀察序列。這是通過(guò)執(zhí)行的特征提取和矢量量化的過(guò)程。然后未知單詞的觀察序列的概率為、個(gè)HMM字的給定模型λ（）。計(jì)算觀測(cè)序列的概率是通過(guò)使用程序法。通過(guò)應(yīng)用參數(shù)A和π的設(shè)計(jì)的隱馬爾可夫模型（16）和（17）的程序方程的概率觀測(cè)序列O = (o1 o2 … oN),，對(duì)于給定的模型可以通過(guò)使用下面的公式計(jì)算：使用式（19）來(lái)計(jì)算觀測(cè)序列未知的語(yǔ)音信號(hào)的概率的和未知的語(yǔ)音信號(hào)將被確認(rèn)為HMM的單詞模型，它有最大觀測(cè)序列的概率( p(0|λ)).。圖8　　基于HMM的識(shí)別系統(tǒng)5．實(shí)驗(yàn)結(jié)果由于有兩種方法在此實(shí)施系統(tǒng)中，實(shí)驗(yàn)首先分成兩個(gè)，第一個(gè)實(shí)驗(yàn)室是訓(xùn)練實(shí)驗(yàn)的語(yǔ)音的表現(xiàn)。識(shí)別系統(tǒng)使用LPC和ESD。第二個(gè)是講話的性能測(cè)試實(shí)驗(yàn)，使用HMM識(shí)別系統(tǒng)。在實(shí)驗(yàn)中，無(wú)論是在訓(xùn)練模式或識(shí)別模式，有人通過(guò)麥克風(fēng)說(shuō)出命令直接控制輪椅。使用1個(gè)樣本進(jìn)行實(shí)驗(yàn)，3個(gè)樣品，5個(gè)樣本字的訓(xùn)練數(shù)據(jù)。通過(guò)LPC的數(shù)值顯示分析實(shí)驗(yàn)中所用的參數(shù)是：1．分析幀中的采樣數(shù)是240。2．樣品的兩個(gè)相鄰幀之間的偏移的數(shù)80。3． LPC分析的順序是10。4． LPC倒譜系載體的尺寸是12。實(shí)驗(yàn)結(jié)果的總結(jié)在表1所示的：表1 使用LPC和ESD語(yǔ)音識(shí)別系統(tǒng)實(shí)驗(yàn)結(jié)果概要在表1的結(jié)果中顯示中，最高的識(shí)別率，％。這是由于每個(gè)樣本字使用實(shí)驗(yàn)3的訓(xùn)練數(shù)據(jù)。導(dǎo)致更多訓(xùn)練的樣本數(shù)，更高的平均識(shí)別率。從實(shí)驗(yàn)中，我們也得到了培訓(xùn)一個(gè)樣品使用的LPC歐幾里德平方距離的時(shí)間大約是19秒，識(shí)別未知詞使用的LPC歐幾里德平方距離的時(shí)間長(zhǎng)短取決于每個(gè)字的訓(xùn)練樣本。越多的樣本數(shù)需要越多的時(shí)間，而且，大部分的時(shí)間是執(zhí)行LPC分析計(jì)算。該實(shí)驗(yàn)是在不同數(shù)量的訓(xùn)練實(shí)驗(yàn)數(shù)據(jù)，即用10個(gè)樣品中，20個(gè)樣品，和30的樣品。在這個(gè)實(shí)驗(yàn)中，狀態(tài)數(shù)為20。通過(guò)使用30個(gè)州，50個(gè)州，80個(gè)州的HMM結(jié)構(gòu)。在該實(shí)驗(yàn)中，樣品的數(shù)量是30。表2示出實(shí)驗(yàn)中各種數(shù)量的樣品的實(shí)驗(yàn)結(jié)果的總結(jié)。表3示出在各個(gè)國(guó)家實(shí)驗(yàn)的實(shí)驗(yàn)結(jié)果總結(jié)。表2　　基于HMM語(yǔ)音識(shí)別系統(tǒng)使用各種樣本數(shù)量實(shí)驗(yàn)結(jié)果概要表3　　在各個(gè)國(guó)家使用基于HMM語(yǔ)音識(shí)別系統(tǒng)使用實(shí)驗(yàn)結(jié)果概要如圖所示在匯總表（表2和表3），％。這是由于50個(gè)州和10個(gè)樣品30個(gè)培訓(xùn)觀察符號(hào)在實(shí)驗(yàn)系統(tǒng)的使用數(shù)據(jù)字不同。但是，這種識(shí)別率不是很好是不夠理想的語(yǔ)音識(shí)別系統(tǒng)。然而，本實(shí)驗(yàn)結(jié)果還表明，數(shù)量越多的樣本被訓(xùn)練，識(shí)別率較高，雖然這樣，識(shí)別率不會(huì)提高太多。它還表明，識(shí)別率并不總是增加。當(dāng)狀態(tài)的數(shù)量增加時(shí)將顯示被改變的狀態(tài)數(shù)從50至80的狀態(tài)。，％的識(shí)別率。在其系統(tǒng)中，LPC和HMM方法被用作用來(lái)作為識(shí)別的特征提取方法。他們的系統(tǒng)，這之間的差異是由于設(shè)計(jì)的系統(tǒng)的特征提取方法。在這種系統(tǒng)中，一個(gè)簡(jiǎn)單的分割和質(zhì)心值被用作的特征提取方法。因此，它不能完成判斷HMM是不是一個(gè)很好的語(yǔ)音識(shí)別系統(tǒng)。在本系統(tǒng)中所取得的結(jié)果可能是由于特征提取方法不同造成的。6．結(jié)論在AT89C51RC微控制器上已成功實(shí)現(xiàn)語(yǔ)音識(shí)別，以便控制輪椅的運(yùn)動(dòng)。兩種識(shí)別方法分別是LPCESD和HMM分割與質(zhì)心。從實(shí)驗(yàn)結(jié)果可以得出結(jié)論，％，每個(gè)詞使用3個(gè)訓(xùn)練數(shù)據(jù)樣本。但LPCESD方法有缺點(diǎn)，與HMM的分割和質(zhì)心法相比，LPCESD響應(yīng)速度較慢。不幸的是，HMM分割和質(zhì)心法的識(shí)別率很低。致　　謝經(jīng)過(guò)這幾個(gè)月來(lái)的忙碌和學(xué)習(xí)，本次畢業(yè)論文設(shè)計(jì)已接近尾聲，由于經(jīng)驗(yàn)的匱乏，難免有許多考慮不周全的地方，在這里衷心感謝指導(dǎo)老師的督促指導(dǎo)，以及一起學(xué)習(xí)的同學(xué)們的支持，讓我按時(shí)完成了這次畢業(yè)設(shè)計(jì)。在此我要特別感謝我的導(dǎo)師扈書亮老師。扈老師學(xué)識(shí)淵博，為人謙遜，在百忙之中仍然對(duì)我的論文給予了悉心的指導(dǎo)，使我受益匪淺，并第一次學(xué)會(huì)了如何撰寫論文。從他的身上我學(xué)到的不僅僅是知識(shí)，更多的是做人。扈老師嚴(yán)謹(jǐn)治學(xué)，為人謙遜，在論文的寫作過(guò)程中，扈老師沒(méi)有給我任何壓力，讓我擁有了很大的發(fā)揮空間。同時(shí)我也要感謝大學(xué)四年來(lái)各位任課老師，他們不辭辛苦勤勞授業(yè)，使我在大學(xué)中拓寬了視野，積累了知識(shí)。同窗之情同樣難忘，大學(xué)生活中他們給我無(wú)限幫助和鼓勵(lì)，在畢業(yè)設(shè)計(jì)中幫我一起分析問(wèn)題查閱資料，對(duì)此我表示深深的感謝。在即將到來(lái)的工作生活中，我定再接再厲，更上一層樓。最后，對(duì)那些在我完成畢業(yè)論文過(guò)程中對(duì)我提供幫助的老師和同學(xué)表示感謝！祝他們?cè)诮窈蟮氖聵I(yè)生活中更加一帆風(fēng)順。最后，衷心地感謝在百忙之中評(píng)閱論文和參加答辯的各位老師、教授。畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說(shuō)明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過(guò)的研究成果，也不包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過(guò)的材料。對(duì)本研究提供過(guò)幫助和做出過(guò)貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說(shuō)明并表示了謝意。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導(dǎo)教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權(quán)說(shuō)明本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。作者簽名：　　 　 　　 日　 期：　　 　 　　 學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)　　 　 　大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。作者簽名： 日期： 年 月 日導(dǎo)師簽名： 日期： 年 月 日注 意 事 項(xiàng)（論文）的內(nèi)容包括：1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作）2）原創(chuàng)性聲明3）中文摘要（300字左右）、關(guān)鍵詞4）外文摘要、關(guān)鍵詞 5）目次頁(yè)（附件不統(tǒng)一編入）6）論文主體部分：引言（或緒論）、正文、結(jié)論7）參考文獻(xiàn)8）致謝9）附錄（對(duì)論文支持必要時(shí)）：理工類設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于1萬(wàn)字（不包括圖紙、程序清單等）。：任務(wù)書、開(kāi)題報(bào)告、外文譯文、譯文原文（復(fù)印件）。、圖表要求：1）文字通順，語(yǔ)言流暢，書寫字跡工整，打印字體及大小符合要求，無(wú)錯(cuò)別字，不準(zhǔn)請(qǐng)他人代寫2）工程設(shè)計(jì)類題目的圖紙，要求部分用尺規(guī)繪制，部分用計(jì)算機(jī)繪制，所有圖紙應(yīng)符合國(guó)家技術(shù)標(biāo)準(zhǔn)規(guī)范。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)用徒手畫3）畢業(yè)論文須用A4單面打印，論文50頁(yè)以上的雙面打印4）圖表應(yīng)繪制于無(wú)格子的頁(yè)面上5）軟件工程類課題應(yīng)有程序清單，并提供電子文檔1）設(shè)計(jì)（論文）2）附件：按照任務(wù)書、開(kāi)題報(bào)告、外文譯文、譯文原文（復(fù)印件）次序裝訂3）其它