基于ARM處理器的非特定人語音識(shí)別系統(tǒng)設(shè)計(jì)

0 引言

隨著高新技術(shù)在軍事領(lǐng)域的廣泛運(yùn)用，武器裝備逐步向高、精、尖方向發(fā)展。傳統(tǒng)的軍事訓(xùn)練由于訓(xùn)練時(shí)間長、訓(xùn)練費(fèi)用高、訓(xùn)練空間窄，常常不能達(dá)到預(yù)期的訓(xùn)練效果，已不能滿足現(xiàn)代軍事訓(xùn)練的需要。為解決上述問題，模擬訓(xùn)練應(yīng)運(yùn)而生。

為進(jìn)一步提高訓(xùn)練效果，本文利用智能語音交互芯片設(shè)計(jì)了某模擬訓(xùn)練器的示教與回放系統(tǒng)。示教系統(tǒng)為操作人員生動(dòng)的演示標(biāo)準(zhǔn)操作流程及相應(yīng)的操作現(xiàn)象，極大地縮短了對(duì)操作人員的培訓(xùn)時(shí)間，提高了培訓(xùn)效果。回放系統(tǒng)通過記錄操作訓(xùn)練過程中各操作人員的口令、聲音強(qiáng)度、動(dòng)作、時(shí)間、操作現(xiàn)象等，待操作訓(xùn)練結(jié)束后通過重演訓(xùn)練過程，以便操作者及時(shí)糾正自己的問題。示教系統(tǒng)也可理解為對(duì)標(biāo)準(zhǔn)操作訓(xùn)練過程的回放。該系統(tǒng)不需要虛擬現(xiàn)實(shí)技術(shù)的支持，在小型的嵌入式系統(tǒng)上就可以實(shí)現(xiàn)。

1 系統(tǒng)原理

該模擬訓(xùn)練器由一臺(tái)測控計(jì)算機(jī)和多臺(tái)從設(shè)備組成。如圖1所示。在此僅對(duì)一臺(tái)從設(shè)備進(jìn)行介紹，其硬件系統(tǒng)主要由測控計(jì)算機(jī)、Arduino mega2560 控制器、語音識(shí)別單元、聲強(qiáng)檢測單元、語音合成單元、面板控制單元、儀器面板等組成。面板控制單元較為復(fù)雜，包含多種控制電路，在模擬訓(xùn)練中負(fù)責(zé)該從設(shè)備在Arduino mega2560 控制器的控制下完成整個(gè)訓(xùn)練過程，在示教與回放系統(tǒng)中完成對(duì)剛才操作訓(xùn)練操作現(xiàn)象的重演，其具體電路設(shè)計(jì)在此不做介紹。

語音識(shí)別單元負(fù)責(zé)識(shí)別操作人員的操作口令;聲強(qiáng)檢測單元負(fù)責(zé)檢測聲強(qiáng)大小并以此作為判斷是哪臺(tái)從設(shè)備操作人員口令的依據(jù);Arduino mega2560控制器負(fù)責(zé)監(jiān)視儀器面板各元件的狀態(tài)來識(shí)別操作人員的動(dòng)作，從而完成對(duì)操作訓(xùn)練過程的記錄。各儀器的操作現(xiàn)象根據(jù)操作動(dòng)作事先編制無需記錄。在操作回放過程中，測控計(jì)算機(jī)根據(jù)所記錄的數(shù)據(jù)，通過控制相應(yīng)從設(shè)備的Arduino mega2560控制器重現(xiàn)所記錄的操作過程。

2 單元系統(tǒng)設(shè)計(jì)

2.1 語音識(shí)別單元設(shè)計(jì)

目前，語音識(shí)別技術(shù)的發(fā)展十分迅速，按照識(shí)別對(duì)象的類型可以分為特定人和非特定人語音識(shí)別。特定人是指識(shí)別對(duì)象為專門的人，非特定人是指識(shí)別對(duì)象是針對(duì)大多數(shù)用戶，一般需要采集多個(gè)人的語音進(jìn)行錄音和訓(xùn)練，經(jīng)過學(xué)習(xí)，從而達(dá)到較高的識(shí)別率。

本文采用的LD3320語音識(shí)別芯片是一顆基于非特定人語音識(shí)別(Speaker Independent Automatic SpeechRecognition，SI ASR)技術(shù)的芯片。該芯片上集成了高精度的A/D 和D/A 接口，不再需要外接輔助的FLASH 和RAM，即可以實(shí)現(xiàn)語音識(shí)別、聲控、人機(jī)對(duì)話功能，提供了真正的單芯片語音識(shí)別解決方案。并且，識(shí)別的關(guān)鍵詞語列表是可以動(dòng)態(tài)編輯的。其語音識(shí)別過程如圖2所示。

語音識(shí)別單元采用ATmega168 作為MCU，負(fù)責(zé)控制LD3320完成所有和語音識(shí)別相關(guān)的工作，并將識(shí)別結(jié)果通過串口上傳至Arduino mega2560 控制器。對(duì)LD3320芯片的各種操作，都必須通過寄存器的操作來完成，寄存器讀寫操作有2種方式(標(biāo)準(zhǔn)并行方式和串行SPI方式)。在此采用并行方式，將LD3320的數(shù)據(jù)端口與MCU的I/O口相連。其硬件連接圖如圖3所示。

語音識(shí)別流程采用中斷方式工作，其工作流程分為初始化、寫入關(guān)鍵詞、開始識(shí)別和響應(yīng)中斷等。MCU的程序采用ARDUINO IDE編寫[5]，調(diào)試完成后通過串口進(jìn)行燒錄，控制LD3320完成語音識(shí)別，并將識(shí)別結(jié)果上傳至Arduino mega2560控制器。其軟件流程如圖4所示。

2.2 聲強(qiáng)檢測單元設(shè)計(jì)

在進(jìn)行語音識(shí)別時(shí)需要判斷是某一臺(tái)從設(shè)備操作人員的口令，為此設(shè)計(jì)聲強(qiáng)檢測單元電路，該電路僅需能夠判斷出相對(duì)聲強(qiáng)的大小，無需檢測聲級(jí)，對(duì)檢測精度要求較低。

電容式MIC聲音傳感器將外部聲音信號(hào)轉(zhuǎn)換成電信號(hào)，經(jīng)NE5532放大電路進(jìn)行放大，將輸入的微弱音頻信號(hào)轉(zhuǎn)換為具有一定幅值的電壓信號(hào)，該電壓信號(hào)經(jīng)AC/DC有效值轉(zhuǎn)換電路進(jìn)行裝換后進(jìn)行再次放大，最終由Arduino mega2560控制器的A/D進(jìn)行采樣。圖5給出了聲強(qiáng)檢測單元的電路原理圖，其中D1 端接Arduinomega2560控制器的A/D，INT1端接Arduino mega2560控制器的外部中斷1.當(dāng)外界聲音信號(hào)大于預(yù)設(shè)的閾值時(shí)，三極管導(dǎo)通INT1端由高電平變?yōu)榈碗娖疆a(chǎn)生外部中斷，控制器響應(yīng)中斷并進(jìn)行 A/D 采樣，采樣數(shù)據(jù)經(jīng)均值濾波后保存，待測控計(jì)算機(jī)查詢時(shí)上傳該聲強(qiáng)數(shù)據(jù)。

2.3 語音合成單元設(shè)計(jì)

TTS(Text To Speech)文本轉(zhuǎn)語音技術(shù)是人機(jī)智能對(duì)話發(fā)展的趨勢(shì)?；赥TS技術(shù)的語音系統(tǒng)無需事先錄音就能夠隨時(shí)根據(jù)查詢條件查出并合成語音進(jìn)行播報(bào)，從而大大減少了系統(tǒng)維護(hù)的工作量。利用此技術(shù)，通過MCU或者PC機(jī)就能控制語音芯片發(fā)音[4]。

本文采用SYN6658中文語音合成芯片進(jìn)行語音合成。SYN6658 通過UART 接口或SPI接口通信方式，接收待合成的文本數(shù)據(jù)，實(shí)現(xiàn)文本到語音(或TTS語音)的轉(zhuǎn)換[6]?？刂破骱蚐YN6658 語音合成芯片之間通過UART接口連接，控制器通過串口通信向SYN6658語音合成芯片發(fā)送控制命令和文本，SYN6658語音合成芯片把接收到的文本合成為語音信號(hào)輸出，輸出的信號(hào)經(jīng)LM386 功率放大器進(jìn)行放大后連接到喇叭進(jìn)行播放。如圖6所示。

SYN6658語音合成電路采用芯片硬件數(shù)據(jù)手冊(cè)提供的典型應(yīng)用電路進(jìn)行設(shè)計(jì)[5]，在此不做介紹，功率放大電路采用美國國家半導(dǎo)體生產(chǎn)的音頻功率放大器LM386進(jìn)行放大。

在進(jìn)行語音合成時(shí)首先進(jìn)行初始化，包括發(fā)音人選擇、數(shù)字處理策略、語速調(diào)節(jié)、語調(diào)調(diào)節(jié)、音量調(diào)節(jié)等。

由于該系統(tǒng)要模擬多人發(fā)音，所以不同的從設(shè)備設(shè)置不同的發(fā)音人及語調(diào)與語速以便于區(qū)分。初始化后等待測控計(jì)算機(jī)的語音合成命令，待收到命令后芯片會(huì)向上位機(jī)發(fā)送1字節(jié)的狀態(tài)回傳，上位機(jī)可根據(jù)這個(gè)回傳來判斷芯片目前的工作狀態(tài)。語音合成流程圖如圖7所示。

3 系統(tǒng)軟件設(shè)計(jì)

示教與回放系統(tǒng)的軟件設(shè)計(jì)包括測控計(jì)算機(jī)的軟件設(shè)計(jì)和各從設(shè)備Arduino mega260控制器的軟件設(shè)計(jì)。

測控計(jì)算機(jī)是整個(gè)系統(tǒng)的控制核心，其軟件采用C#進(jìn)行編寫，在示教與回放系統(tǒng)中主要是對(duì)操作數(shù)據(jù)的記錄以便根據(jù)所記錄的數(shù)據(jù)對(duì)操作過程進(jìn)行精確回放，需要記錄的數(shù)據(jù)包括：各從設(shè)備操作人員的操作口令，操作動(dòng)作，口令及動(dòng)作時(shí)間，各操作對(duì)應(yīng)的操作現(xiàn)象。為簡化記錄數(shù)據(jù)，事先編制好各事件代碼，記錄過程只記錄代碼，大大提高程序效率。建立結(jié)構(gòu)體如下：

在操作訓(xùn)練過程中測控計(jì)算機(jī)每隔50 ms 對(duì)下位機(jī)進(jìn)行控制及輪詢，并記錄反饋數(shù)據(jù)，在數(shù)據(jù)記錄時(shí)以50 ms 為一個(gè)單位。采用定時(shí)器對(duì)時(shí)間進(jìn)行控制。在回放過程中首先比對(duì)當(dāng)前時(shí)間和所記錄的時(shí)間，當(dāng)所記錄的時(shí)間與當(dāng)前時(shí)間吻合時(shí)測控計(jì)算機(jī)控制下位機(jī)執(zhí)行該事件，完成事件回放。

Arduino mega2560控制器負(fù)責(zé)接收測控計(jì)算機(jī)的控制指令并執(zhí)行指令，讀取語音識(shí)別結(jié)果，對(duì)聲強(qiáng)數(shù)據(jù)采集和處理，控制語音合成單元進(jìn)行語音合成等。Arduinomega2560 控制器采用串口中斷的方式進(jìn)行命令接收。

只有正確接收到命令才會(huì)執(zhí)行并回傳結(jié)果，若測控計(jì)算機(jī)在限定時(shí)間內(nèi)未收到回傳結(jié)果則表明發(fā)生錯(cuò)誤，測控計(jì)算機(jī)需重新發(fā)送。數(shù)據(jù)接收流程圖如圖8所示。

4 總結(jié)

本文利用智能語音芯片設(shè)計(jì)了某模擬訓(xùn)練器的示教與回放系統(tǒng)，該系統(tǒng)不需要現(xiàn)在流行的虛擬現(xiàn)實(shí)技術(shù)的支持，僅在MCU的控制下就可以運(yùn)行。該系統(tǒng)也可以在小型的便攜式設(shè)備上實(shí)現(xiàn)，具有良好的應(yīng)用前景。