基于嵌入式Linux的語音識別系統(tǒng)硬軟件設計

　　該設計運用三星公司的S3C2440，結合ICRoute公司的高性能語音識別芯片LD3320，進行了語音識別系統(tǒng)的硬件和軟件設計。在嵌入式Linux操作系統(tǒng)下，運用多進程機制完成了對語音識別芯片、超聲波測距和云臺的控制，并將語音識別技術應用于多角度超聲波測距系統(tǒng)中。通過測試，系統(tǒng)可以通過識別語音指令控制測量方向，無需手動干預，最后將測量結果通過語音播放出來。

　　1．引言

　　語言是人類傳播信息的重要手段，語音識別則是實現(xiàn)語音控制的關鍵技術。采用嵌入式語音識別技術使得設備具有功耗低、使用簡便、靈活等優(yōu)點，擺脫了復雜按鍵和按鈕的困擾，在服務機器人、智能家居及消費電子等領域發(fā)揮著重要作用。

　　2．系統(tǒng)構成與原理

　　語音識別主要包括兩個階段：訓練階段和識別階段。在訓練或識別過程中，都必須對輸入語音進行預處理和特征提取。訓練階段通過用戶輸入的若干次訓練語音，經(jīng)過預處理和特征提取后得到特征參數(shù)，最后通過特征參數(shù)建模，進而建立訓練語音的參考模型庫。而識別階段是將輸入語音的特征矢量參數(shù)和參考模型庫中的參考模型進行相似性度量，然后把相似度最高的輸入特征矢量作為識別結果輸出，從而達到語音識別目的，如圖1 所示。

　　圖1 語音識別原理框圖

　　語音識別技術可分為：特定人識別和非特定人識別兩種。特定人識別是指需要對待識別人的語音進行采集訓練，識別對象為專門的人；非特定人識別是指識別對象為大多數(shù)用戶，一般要采集多個人的語音進行錄音、訓練和學習，從而達到較高的識別率。

　　在實際應用中，現(xiàn)代技術開發(fā)嵌入式語音識別有兩種實現(xiàn)方式：調入嵌入式語音開發(fā)包和外擴語音識別芯片。本文的語音識別系統(tǒng)方案是以嵌入式處理器S3C2440 為核心，外擴非特定人語音識別芯片LD3320，并將超聲波測距模塊和云臺相結合作為系統(tǒng)的機械執(zhí)行機構。系統(tǒng)測量過程如下：首先根據(jù)語音指令控制兩自由度云臺的位姿，使超聲波探測器指向特定方向，然后開啟超聲波探測器，測量出前方障礙物距離，最后將測量結果轉化為可以播放的二進制數(shù)據(jù)流，通過LD3320的播放功能完成數(shù)據(jù)的播放。

　　3．硬件電路設計方案

　　硬件電路主要包括語音識別部分、主控部分、超聲波測距部分和舵機控制部分，如圖2 所示。處理器為三星公司的S3C2440，系統(tǒng)主頻最高可達533 MHz，支持SPI、I2C、UART等接口，能夠滿足控制系統(tǒng)的需求。主控芯片S3C2440 通過SPI 總線完成對語音識別模塊的讀寫操作，超聲波測距部分和舵機控制部分由處理器的GPIO進行統(tǒng)一控制。

　　圖2 硬件電路設計方案

　　3．1 語音識別電路設計

　　為了使系統(tǒng)能夠識別操作人員發(fā)出的語音指令，設計中采用了由ICRoute 公司設計生產(chǎn)的非特定人語音識別芯片LD3320，它集成了語音識別處理電路和一些外部電路，包括AD、DA轉換器、麥克風接口、聲音輸出接口等，不需要外接任何的輔助芯片如Flash、RAM。在主控制器的控制下，可以識別出預先添加到識別列表中的內容。設計中參考了ICRoute 發(fā)布的LD3320 數(shù)據(jù)手冊，圖中LD3320 的P0、P1、P2引腳通過SPI 接口與嵌入式處理器相接，控制信號WRB、CSB、RSTB以及中斷返回信號引腳INTB與處理器S3C2440直接相連，如圖3 所示。

　　圖3 語音模塊和核心板連接關系

　　3．2 超聲波測距和舵機控制電路設計

　　超聲波測距原理相對比較成熟，系統(tǒng)中采用超聲波測距模塊HC-SR04。該模塊有兩個TTL電平通信引腳，兼容3.3V電平。其中，控制端口Trig 發(fā)一個10us 以上的高電平，接收端口Echo 將輸出與距離成正比的高電平信號。當Echo 有高電平輸出時就開啟處理器定時器，當端口電平跳變?yōu)榈碗娖綍r關閉定時器，根據(jù)定時器的值可計算得到障礙物的距離。其中，控制端口Trig 和接收端口Echo 分別接至處理器的GPG9、GPG6引腳。

　　超聲波測距模塊的感應角度小于15°，為了擴大測距的感應角度范圍，將超聲波測距模塊安裝在兩自由度云臺上，其中，舵機為SG90（9G），旋轉角度為180°。處理器通過GPB0和GPB1分別控制兩個舵機以實現(xiàn)云臺的旋轉，以測量不同方向的障礙物，如圖4 所示。

　　圖4 超聲波測距和舵機控制電路

　　4．軟件設計方案

　　系統(tǒng)軟件基于嵌入式Linux 操作系統(tǒng)，實現(xiàn)了語音識別、語音播放、超聲波測距和舵機控制等任務，使用fock 機制為每項任務分配獨立的進程，使系統(tǒng)可以進行多任務處理。針對不同功能模塊編寫了相應的底層驅動程序，為上層應用程序提供了調用接口。

　　系統(tǒng)工作流程如下：處理器通過SPI 總線對語音識別芯片LD3320 進行通用初始化，使語音識別芯片進入循環(huán)識別模式，系統(tǒng)處理器反復啟動語音識別過程。如果有識別結果，則根據(jù)識別作相應處理后（比如播放某個聲音作為應答）再啟動下一個識別過程。處理器通過SPI 總線讀取C5 寄存器的識別結果并分析，將語音命令轉換為超聲波測距和舵機的控制信號，完成多方位測距任務，如圖5 所示。

　　圖5 軟件流程圖

　　4．1 語音識別功能程序設計

　　語音識別芯片LD3320 的特色是兼有語音識別和MP3播放的兩項功能，在功能切換的時候，必須進行通用初始化，對芯片進行一系列的設置。

　　語音識別功能的驅動程序工作流程為通用初始化à語音識別用初始化→寫入識別列表→開始識別→響應識別中斷。為了提高識別成功率，在識別列表中增加了“垃圾關鍵詞”以吸收錯誤的識別。上層應用程序為語音識別功能分配了單獨的進程，通過ioctl（）函數(shù)控制LD3320 的工作狀態(tài)，read（）函數(shù)可以讀取識別結果。程序中使用select 機制實現(xiàn)read（）函數(shù)的非阻塞訪問。同時，設定select 監(jiān)控超時時間，在超時后，重新初始化語音識別芯片LD3320，為下一次語音識別做準備，如圖6 所示。

　　圖6 語音識別功能程序流程圖

　　4．2 語音播放功能程序設計

　　LD3320支持MP3數(shù)據(jù)播放，程序中操作順序為：通用初始化à播放模式初始化à音量調節(jié)à開始播放，并準備好中斷響應函數(shù)，打開中斷允許位。在程序中，首先將數(shù)字0~9、“十”、“百”、“點”的語音MP3數(shù)據(jù)分別轉換為標準C語言數(shù)組格式文件，將該文件添加到工程中進行統(tǒng)一編譯。然后把需要播放的距離數(shù)據(jù)進行拆分，并對每一位進行查表操作，得到相應的語音數(shù)據(jù)。例如，將距離數(shù)據(jù)12.5 拆分為：“1”、“十”、“2”、“點”、“5”。最后將查表得到的語音數(shù)據(jù)按從左到右的順序組合，并存儲到LD3320的播放數(shù)據(jù)存儲器，在即將播放完畢時，芯片會發(fā)出中斷請求，在中斷響應函數(shù)中連續(xù)寫入播放數(shù)據(jù)，直到聲音數(shù)據(jù)播放完畢。

　　4．3 超聲波測距和云臺控制程序設計

　　超聲波測距功能的驅動程序屬于Linux 字符型驅動，利用ioctl（）函數(shù)對相應GPIO進行時序控制，完成超聲波的發(fā)射和接收。在接收端口輸出高電平脈沖信號時，觸發(fā)系統(tǒng)中斷并使用定時器計算得到高電平持續(xù)時間△T，根據(jù)公式（1）完成距離S 的測量。式中V為超聲波的傳播速度，常溫下超聲波在空氣中的傳播速度是340 米/秒。在應用程序中，可以通過read（）函數(shù)讀取到所測量的距離值。

　　S =V X ΔT/ 2 （1）

　　兩自由度云臺由兩個舵機組成，分別控制云臺水平和垂直方向的旋轉角度。在驅動程序中，首先打開定時器PWM功能并設置定時周期，然后映射定時器中斷函數(shù)，最后使能定時器，使定時器開始運行。程序中根據(jù)實驗者發(fā)出的語音指令，利用ioctl（）函數(shù)控制定時器輸出兩路PWM信號，分別控制兩個舵機的旋轉角度，最后將運動合成為云臺的位姿。

　　5．結語

　　本文介紹了嵌入式語音識別技術在超聲波測距系統(tǒng)中的一種應用以及實現(xiàn)方式，實驗人員可以通過預先定義好的語音指令（例如：“開始測量”、“左上方”、“前方”）實現(xiàn)對系統(tǒng)的控制，并利用超聲波進行距離測量。測量完成后，系統(tǒng)通過語音播放的方式將測量結果反饋給實驗人員，完成人機交互，提高了用戶體驗度。本系統(tǒng)具有易擴展的優(yōu)點，可以將其應用到其它嵌入式控制系統(tǒng)中。