基于LD332O語音識別專用芯片實現(xiàn)的語音控制

摘要：語音控制機器已經成為人機界面設計的一種重要手段。LD3320作為一款語音識別專用芯片，集成了語音識別處理器和一些外部電路，實現(xiàn)了有限詞匯的非特定人語音識別。文章介紹了LD3320芯片的基本功能、電路設計以及控制軟件的編寫。
關鍵詞：語音識別；集成電路；LD3320

0 引言
    語音不僅是人與人之間進行信息交流最直接、最方便和最有效的工具，也是人與機器之間進行通信的重要工具。過去的二三十年中，圖形用戶界面(Graphical User Interface，GUI)作為人與機器的通信接口取得了很大的進展，但使用GUI仍然擺脫不了手的操作，某些場合仍有不便。因此，語音用戶界面(Voice User Interface，VUI)成為人們的下一個目標，人們希望通過聲音可以對機器發(fā)出指令。
    語音識別有著非常廣泛的應用領域，例如智能家電、智能家居、智能導航、智能玩具等等，這些領域下，語音識別提高了設備的易用性。另外，在某些場合，操作者需要用手控制其它設備，比如駕駛員駕駛過程中，或者非常強調響應時間，比如軍事訓練種情況的緊急處置，這些場合不允許操作者進行復雜的操作，語音控制就成為一項必要的選擇。
    語音識別屬于數(shù)字信號處理的研究領域，其算法初期是依靠計算機、數(shù)字信號處理器等來實現(xiàn)的，但隨著微電子學和集成電路技術的新進展，近年來不斷有語音識別集成電路投放市場。其中，ICRoute的LD3320就是一款性價比較高的芯片。

1 LD3320芯片介紹
    LD3320是一顆基于非特定人語音識別(SI-ASR，Speaker Independent Automatic Speech Recognition)技術的語音識別／聲控芯片。該芯片集成了語音識別處理器和一些外部電路，包括ADC、DAC、麥克風接口、聲音輸出接口等。該芯片不需要外接任何的輔助芯片如Flash、RAM等，直接集成在現(xiàn)有的產品中，即可以實現(xiàn)語音識別／聲控／人機對話功能。
    LD3320完成非特定人語音識別，每次識別最多可以設置50項候選識別句，每個識別句可以是單字、詞組或短句，長度為不超過10個漢字或者79個字節(jié)的拼音串。另一方面，識別句內容可以動態(tài)編輯修改，因此可由一個系統(tǒng)支持多種場景。

    芯片采用48腳QFN塑料封裝，工作供電為3．3V。芯片內部電路的簡要邏輯圖如圖1所示。其核心是語音以別運算器，配合輸入、輸出、AD／DA轉換等模塊，完成語音識別的功能。LD3320還支持并行和串行接口，串行方式可以簡化與其他模塊的連接。

2 LD3320的應用電路設計
    LD3320的基本應用電路由一個微控制器(MCU)和LD3320組成。電路中的主控MCU芯片，是為了完成對LD3320芯片寄存器的操作。
    對LD3320芯片的各種操作，都必須通過寄存器的操作來完成。比如設置標志位：讀取狀態(tài)；向FIFO寫入數(shù)據(jù)；識別完成后獲得識別結果等。例如在編輯關鍵詞語時，主控MCU通過把關鍵詞語的拼音串設置進LD3320相關寄存器來完成編輯。
    其寄存器大體可以分為以下幾類，F(xiàn)IFO數(shù)據(jù)緩存器、語音識別控制寄存器、音量調節(jié)、模擬電路和其它的輔助寄存器。寄存器讀寫操作有2種方式，即標準并行方式和串行SPI方式。LD3320寄存器的地址空間為8位，編號從00H到FFH，可參考文獻。
    本文選用的主控MCU是51內核的單片機STC10L08XE。演示的軟件程序全部燒錄在MCU的內置Flash中。主控MCU直接控制LD33203完成所有和語音識別相關的工作。
    電源設計可以使用NS公司的LM1117-3．3芯片，為LD3320提供3．3V的電壓：音頻輸入和輸出，可以使用柱極體MIC和0．5W的小喇叭；語音識別完成后，為了實現(xiàn)對后續(xù)電路的驅動，可以利用MCU的串行口與其它模塊進行連接。

    主控MCU與LD3320的連接關系如圖2所示，MCU的P0端口的8根線和LD3320并行方式連接，控制線也分別連接。此外還連接了復位信號和中斷信號。對LD3320來說，復位信號(RSTB)由MCU發(fā)出，而中斷信號由LD3320發(fā)出，MCU負責接收。
    另外，還有一些輔助電路，比如麥克風的偏置、喇叭音量的控制，以及電源的去耦等，這里不作詳細介紹。

3 LD3320的軟件編程
3．1 編程模式
    主控MCU通過讀／寫LD3320的寄存器完成操作。用戶有兩種編程模式：“中斷模式”和“輪詢模式”。
    所謂中斷模式，就是系統(tǒng)的主控MCU在接收到外界一個觸發(fā)后(比如用戶按動某個按鍵)，啟動LD3320芯片的一個定時識別過程(比如5s)，要求用戶在這個定時過程中說出要識別的語音關鍵詞語。過了這個過程后，需要用戶再次觸發(fā)才能再次啟動一個識別過程。
    所謂輪詢模式，就是系統(tǒng)的主控MCU反復啟動識別過程。如果沒有人說話沒有識別結果，則每次識別過程的定時到時后再啟動一個識別過程；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回答)再啟動一個識別過程。
3．2 程序流程
    語音識別的操作流程是：
    (1)語音識別用初始化(包括通用初始化)。在此步驟中，對各寄存器進行初始化設置。
    (2)寫入識別列表。LD3320是一個基于詞庫的語音識別芯片，在此步驟中，應將待識別的短語寫入識別列表。列表的規(guī)則是，每個識別條目對應一個特定的編號(1個字節(jié))，不同的識別條目的編號可以相同，而且不用連續(xù)，但是數(shù)值要小于256(00H～FFH)。
    (3)開始識別，并準備好中斷響應函數(shù)，打開中斷允許位。
    (4)響應中斷。如果麥克風采集到聲音，不管是否以別出正常結果，都會產生一個中斷信號。而中斷程序要根據(jù)寄存器的值分析結果。讀取BA寄存器的值，可以知道有幾個候選答案，而C5寄存器里的答案是得分最高、最可能正確的答案。
    如果不用中斷方式，也可以通過查詢方式工作。在“開始識別”后，讀取寄存器B2H的值，如果為21H就表示有識別結果產生。在此之后讀取候選項等操作與中斷方式相同。
    LD3320芯片還具有MP3播放的功能，在這里不再進行介紹。

4 結論
    LD3320的功能是完成有限詞組的非特定人語音識別，我們將其應用在一個虛擬環(huán)境下戰(zhàn)術訓練課題中。戰(zhàn)術訓練中，常常需要下達一些短口令，而在我們所設計的訓練環(huán)境中，如果口令采用鍵盤或鼠標的方式進行輸入，顯然有違設計的初衷。所以，我們使用LD3320設計VUI控制電路，用語音識別的方式，將獲得的識別結果再轉換成串口信號，輸入計算機，達到語音控制的目的。
    實踐證明，這種方式可以滿足語音控制的要求，但是語音識別的速度，即實時性還有待改進。