【正文】 貴陽學院本科畢業(yè)論文（設計） 20 圖 17 程序下載電路圖 在 61 板上可通過 S5 跳線對 PROBE 和 EZPROBE 進行設置。它有兩種下載模式，一種是 PROBE 模式，能夠實現(xiàn)實時在線仿真、調(diào)試和下載程序，但在線調(diào)試器成本較高。其 SPCE061A 芯片的管腳功能如表 5。 第二節(jié) SPCE061A 最小系統(tǒng) 圖 16 SPCE061A 最小系統(tǒng)原理圖 SPCE061A 最小系統(tǒng)原理圖如圖 16 所示，由圖可見，其最小系統(tǒng)比較簡單，在 OSC0、OSC1 端上 32768Hz 晶振及 20pF 諧振電容，在鎖相環(huán)壓控振蕩器的阻容輸入 VCP 端接上相應的電容和電阻即可工作。 SPY0029 具有靜態(tài)電流低、驅動能力強、線性調(diào)整出色等特點。其輸出電壓為 ；輸入電壓為 7V，輸出電流 =50mA。而 5V電壓由3 節(jié)充電的鋰電池提供。所得 5V 電壓接 SPCE061A 電源電路，如圖也可以作為直流電機驅動電源，詳情請參考本章第六節(jié)。 ? 長寬高： 145*108*55mm ? 重量： 260g ? 最大負 載： ? 額定電壓： ~9V ? 電機參數(shù)： 260 直流電機 貴陽學院本科畢業(yè)論文（設計） 16 圖 12 小車的結構圖 圖 13 小車的結構尺寸 貴陽學院本科畢業(yè)論文（設計） 17 第五章 語音控制器硬件設計 第一節(jié) 電源設計 聲控小車電源的設計包括兩個部分： SPCE061A 最小系統(tǒng)供電與電機驅動供電。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動車，其運動過程頗為有趣，靈活的機械式動作。一個電機控制左側 2 個輪子，另一個電機控制右側 2 個子輪。 圖 9 語音控制器的總體設計 SPCE061A 電源 模塊 聲音播放模塊 電機驅動模塊 聲音采集模塊 貴陽學院本科畢業(yè)論文（設計） 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。采用 61 板設計聲控小車，只需要設計小車驅動電路即可。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。 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 語音信號 模擬語音 信號 錄音設備 特征提取模塊 模型訓練模塊 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 錄音設備 鑒別 /確認結果 采樣與量化 預加重處理 加窗 特征提取 貴陽學院本科畢業(yè)論文（設計） 13 第四章 語音控制器總體設計 第一節(jié) 設計要求 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、右轉功能； 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)。其語音識別的特征提取分為 4 個階段：采樣與量、預加重處理、加窗和特征提取，如圖 8 所示，其中，前三個階段為語音預處理過程。 （四） 決策邏輯模塊：根據(jù)匹配距離計算結果，判決說話人是否是所聲稱的說話人或說話人 (說話人確認 )到底是誰 (說話人鑒別 )。說話人確認時，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。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。 （二） 模型訓練模塊：指建立聲音模型的過程。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。語音識別系統(tǒng)的邏輯框圖如圖 7 所示，包括特征提取、模型訓練、模式匹配以及邏輯決策 4 個主要模塊。 （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練，可以識別一群人的命令。調(diào)用它們的 API 函數(shù)即可。 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。特點為壓縮比大，計算量大，音質不高，廉價！ 三、 混合編碼 CELP 即 SACMS480。 二、 參數(shù)編碼 貴陽學院本科畢業(yè)論文（設計） 11 參數(shù)編碼采用聲碼器（ vocoder）模型表達，抽取參數(shù)與激勵信號進行編碼。 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 (subband)即 SACMA2020。如音 /視頻文件，壓縮比可高達 100:1。 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。無損壓縮一般指：磁盤文件，壓縮比低： 2:1～ 4:1。 二、壓縮分類 壓縮分無損壓縮和有損壓縮。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 貴陽學院本科畢業(yè)論文（設計） 10 第一節(jié) 音頻壓縮算法的編碼標準及分類 一、壓縮算法的編碼 不同音頻質量等級的編碼技術標準 （頻響），如表 2。 SPCE061A 的結構如圖 5 所示。工作電壓低，具有睡眠功 能，能耗低。同時， SPCE061A 也是一款 16 位結構的 u39。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 是文本到語音的轉換過程 : 貴陽學院本科畢業(yè)論文（設計） 8 文本輸入 合成語音輸出 圖 3 從文本到語音轉換過程示意 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 貴陽學院本科畢業(yè)論文（設計） 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。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。整句辨識：能按正常說話速度，整句表達，中間不需要停頓。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，使用者無需訓練即可使用，并進行辨識。語音辨識技術主要有三大研究范圍 ,分別是口音獨立、連續(xù)語音、可辨認詞匯數(shù)量。研究目標是可懂、清晰、自然、具有表現(xiàn)力。 第四節(jié) 語音合成、辨識技術的介紹 一、 語音合成技術 語音合成是一門跨學科的 前沿技術，涉及到下列相關研究領域 :自然語言理解、語言學語音學、信號處理、心理學、聲學等。 表 1 三種音頻編碼比較 分類 優(yōu)點 缺點 示例 貴陽學院本科畢業(yè)論文（設計） 7 波形編碼 通用、音頻質量較高 很難獲得較大的壓縮比 PCM， ADPCM， SBC 參數(shù)編碼 壓縮比較大 信號源必須已知 LPC 混合編碼 介于波形與參數(shù)編碼之間 .... CELP， MPLPC 總之，音頻壓縮技術之趨勢有兩個： 降低資料率，提高壓縮比，用于廉價、低保真場合（如：電話）。目前仍有許多新的編 碼算法不斷出現(xiàn)。其數(shù)據(jù)率和音質介于參數(shù)和波形編碼之間?；旌暇幋a技術在現(xiàn)代通信系統(tǒng)中得到廣泛的應用。 最近二十幾年來，語音編碼技術取得了許多突破性的進展，產(chǎn)生了一系列新一代的編碼和參數(shù)編碼算法，這就混合編碼。線性預測編碼（ LPC）及其它各種改進型都屬于參數(shù)編碼。其缺點是由于重建信號的波形同原語音信號的波形可能會有相當大的差別，所以語音質量較差，自然度較低，即使是熟悉人一般也聽不出講話人是誰。參數(shù)編碼是通過對語音信號特征參數(shù)的提取和編碼，力求使重建語音信號具有盡可能高的可懂度，即保持原語音信號的語意， 但重建語音信號的波形與原語音信號波形卻相差遠甚遠。波形編碼當其編碼速率進一步降低時，其語音質量等性能指標下降很快。其缺點是所需用的編碼速率高，一般在 64~16kb/s 之間。譯碼是其反過程，將收到的數(shù)字序列經(jīng)過譯碼和濾波恢復成模擬信號。而在實際操作中，可以依需要來選擇合適的算法。 舉個例子，沒有壓縮過的 CD 品質的資料，每分鐘的需要約 11MB 的內(nèi)存容量 來存儲內(nèi)容。實際應用中，未經(jīng)壓縮編碼的音頻資料量取樣器 量化器 貴陽學院本科畢業(yè)論文（設計） 6 很大，進行傳輸或存儲是不現(xiàn)實的。 語音壓縮編碼 中的數(shù)據(jù)量是指：數(shù)據(jù)量 =(采樣頻率量化位數(shù) )/8(字節(jié)數(shù) ) 聲道數(shù)目。 語音編碼就是將模擬信號數(shù)字化，數(shù)字化后可以數(shù)字信號傳輸、儲存、處理等，充分利用數(shù)字信號處理的各項技術。 離散信號 模擬信號 數(shù)字信號 圖 2 語音信號的數(shù)字化處理 第二節(jié) 語音壓縮編碼基礎 隨著計算機網(wǎng)絡、通信等技術的飛速發(fā)展，語音壓縮編碼也發(fā)展與應用。一般而言將聲音儲存到計算機時，需要做模擬語音的數(shù)字化工作，而模擬語音數(shù)字化分為兩個過程即采樣和量化。傳統(tǒng)的電話通信、電視廣播、傳真通信系統(tǒng)等都是模擬信號，且無法儲存到計算。聲波或正弦波有三個重要參數(shù)：頻率 ω0、幅度 A n、和相位 ψn，這也就決定了音頻信號的特征。樂譜是 符號化聲音的符號組，表示比單個符號更復雜的聲音信息內(nèi)容。音樂與語音相比更規(guī)范一些，是符號化了的聲音。語音是對講話聲音的一次抽象。而規(guī)則音頻又可劃分為波形聲音、語音、音樂三種形式。 貴陽學院本科畢業(yè)論文（設計） 5 第二章 凌陽音頻 第一節(jié) 音頻背景知識 音頻 信號 (Audio)是帶有語音、音樂和音效的有規(guī)律的聲波的頻率、幅度變化信息載體。但在大詞匯量的非特定人語音識別系統(tǒng)，在短期內(nèi)還不可能造出具有和人相比擬的語音識別系統(tǒng)，要建成這樣一個系統(tǒng)仍然是人類面臨的一個大的挑戰(zhàn)， 但這已足以給你的生活帶來巨大的變化 。各種各樣 語音識別 系統(tǒng)產(chǎn)品將出現(xiàn)在我的生活中，語音識別 的應 用以及人機界面自然化的發(fā)展可謂前途無限， 語音識別技術發(fā)展到今天，今天它還仍然處在起步階段， 中小詞匯量非特定人語音識別系統(tǒng)識別精度已經(jīng)大于 98%，對特定人語音識別系統(tǒng)的識別精度就更高。讓生活隨心所欲。使它們都具有語音識別功能。例如現(xiàn)在的手機能夠進行語音撥號等功能。且體積小、處理速度、精度越來越快。 類似的，語音技術還可以用于聲導系統(tǒng)等，總之，它將有可能改變我們的整個商業(yè)運 作模式，并創(chuàng)造更大的便利。如果在這一領域取得突破那將創(chuàng) 造無限的商業(yè)價值，而且極大的方便人們的生活。 語音識別技術的另一個發(fā)展那就是電話語音查詢，人們可以通過手機、網(wǎng)絡用說話的方模型 小樣本庫 無噪、受控語音 大詞表數(shù)據(jù)庫 實際、任意語音 特征 語音波形 語音譜圖 倒譜 模板匹配 隱馬爾可夫模型 高斯混合模型 LPC、 LPCC 動態(tài)時間規(guī)模整向量量化 支持向量機 語音識別技術上的商業(yè)應用 MFCC 貴陽學院本科畢業(yè)論文（設計） 4 式對系統(tǒng)查詢有關的天氣、機票、銀行信息、公司特定員工的電話號碼、旅游信息，并取得結果?，F(xiàn)在擁有許多的電子產(chǎn)品都具有復讀的功能，而且可以對比，并給出朗讀的分數(shù)。 二、教育與商務領域的應用：在教育與商務領域，語音識別技術的應用前景主要有語音教學、電話查詢、電子商務等。但這都沒有擺脫使用鍵盤的傳統(tǒng)方式。文字輸入也具有一定的困難，即便現(xiàn)在擁有各種各樣的輸入法，但是絕大多數(shù)是拼音和五筆。