嵌入式設計方案之ARM非特定人語音識別系統(tǒng)

（文章來源：華靜一）

本文介紹了一種采用ARM處理器作為控制核心的非特定人語音識別系統(tǒng)的設計方案。方案中的系統(tǒng)利用IC Route公司的非特定語音識別芯片LD3320與ARM Cortex M3內(nèi)核ST公司的32位高性能單片機STM32F103C8T6組成功能主體，在系統(tǒng)中實現(xiàn)SD卡文件系統(tǒng)，在不更改單片機源程序的前提下，可更改SD卡中內(nèi)容，達到識別列表關(guān)鍵詞動態(tài)編輯，經(jīng)過大量實踐證明該方案適合嵌入式組件開發(fā)中需要靈活更改識別內(nèi)容和返回參數(shù)的應用，設計具有高性價比、交互簡易、識別率高、擴展性強等特點，便于嵌入式應用。

語音交互是人類交流和交換信息中最便捷的手段和最重要的媒體，長久以來，人們都希望找尋一種新的途徑解決人類與機器的交互方式，希望機器設備能夠“聽”懂人類的語音信息進行交互，識別其含義并響應、從而做出相應動作，這樣的交互方式更能被使用者接受，取代原有的鍵盤、按鈕、開關(guān)等傳統(tǒng)交互方式，基于非特定人的語音識別技術(shù)已然成為人機交互新方式的一個重要發(fā)展方向和研究熱點。

語音信號的識別涉及眾多學科知識體系，與計算機、語言學、通信、數(shù)理統(tǒng)計、信號處理和人工智能等學科都有著密切的關(guān)系，由于語音信號具有信息量大、不確定性、動態(tài)性和連續(xù)性的特點，在語音信號的預處理、特征提取等階段處理數(shù)據(jù)量非常大，對軟件的處理算法和硬件的處理能力都有較高的要求，傳統(tǒng)使用PC機或者工控機等高處理性能的平臺實現(xiàn)語音信號識別。

但硬軟件開發(fā)造價無疑是阻礙普及的重要因素，本系統(tǒng)采用ARM Cortex M3 內(nèi)核ST 公司的32 位高性能單片機STM32F103C8T6結(jié)合LD3320語音識別芯片，通過構(gòu)建SD卡文件系統(tǒng)實現(xiàn)非特定人語音識別關(guān)鍵詞動態(tài)編輯功能，適用于嵌入式語音識別場合。系統(tǒng)電路簡單，性價比高，識別距離和識別精度都可以滿足嵌入式應用。

非特定人語音識別技術(shù)研究的最終目的是讓計算機等設備能夠“聽懂”人類語音，提取出語音中所包含的特定信息，成為人機通信和交互最便捷的手段。由于語音信號本身具有不確定性、動態(tài)性和連續(xù)性，這就為準確量化和處理該信號帶來非常大的困難，每個人的語音要建立不同的語音樣本也為識別的普及帶來瓶頸約束。目前的語音識別是先建立特征庫然后將待識別的信號經(jīng)處理與特征庫比對得到相似結(jié)果判定輸出。從本質(zhì)上屬于基于統(tǒng)計模式的基本理論，分語言模型訓練、識別分析兩個大階段構(gòu)成和實現(xiàn)。

聲學訓練階段通常是離線完成的，由語言學家對預先收集好的海量語音樣本、語言數(shù)據(jù)庫、噪聲數(shù)據(jù)進行信號處理和知識挖掘，通過語音信號處理理論及相應數(shù)學算法模型建立語音識別系統(tǒng)所需要的“聲學模型”和“語言模型”.

識別分析階段通常是在線完成的，對用戶實時的語音進行自動識別。識別過程通常又可以分為“前端”和“后端”兩大模塊：“前端”模塊主要的作用是進行端點檢測、降噪、特征提取等；“后端”模塊的作用是利用訓練好的“聲學模型”和“語言模型”對用戶說話的特征向量進行統(tǒng)計模式識別，得到其包含的文字信息，此外，后端模塊還存在一個“自適應”的反饋模塊，可以對用戶的語音進行自學習，從而對“聲學模型”和“語音模型”進行必要的“校正”,進一步提高識別的準確率。

本系統(tǒng)以STM32F103C8T6?微控制器為控制核心，搭配微控制器最小核心電路、LD3320語音識別電路、SD卡電路、電源電路、用戶按鍵輸入電路、串口數(shù)據(jù)輸出電路、狀態(tài)指示電路等綜合組成。該系統(tǒng)體積小巧，可以作為嵌入式組件單元融入用戶電路或者板卡中，上電后STM32F108C8T6內(nèi)部程序進行程序初始化、SD 卡文件系統(tǒng)初始化、LD3320初始化、隨后等待識別音頻接收，識別完成后輸出響應信息或者解碼音頻，系統(tǒng)整體結(jié)構(gòu)如圖所示，最終實現(xiàn)積木式功能組件的全部功能。
? ? ? （責任編輯：fqj）