基于非特定人車載音響語音控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

隨著現(xiàn)代電子技術(shù)的發(fā)展，越來越多的車載電器被加入到車身電子行列中，其在使得汽車性能改善的同時，增加了汽車駕駛操作的復(fù)雜度，也給行車過程帶來了不安全的隱患。隨著語音識別算法的改進(jìn)和新一代專用語音處理芯片的問世，出現(xiàn)了使用語音控制代替手動控制的車載電器，從而減輕駕駛員手動操作負(fù)擔(dān)，大大提高行車安全系數(shù)。
　目前我國的車身電子語音控制主要集中在汽車導(dǎo)航系統(tǒng)的應(yīng)用上，沒有充分發(fā)揮語音識別技術(shù)在車身電子中的應(yīng)用價值。本文首次提出了一種的以專用語音處理芯片UniSpeech-SDA80D51為核心組成非特定人車載音響語音控制系統(tǒng)的設(shè)計(jì)方案，并實(shí)現(xiàn)了系統(tǒng)樣機(jī)的研制。該系統(tǒng)在江淮同悅SL1102C1型車載音響上進(jìn)行了語音控制實(shí)驗(yàn)，實(shí)驗(yàn)數(shù)據(jù)表明系統(tǒng)語音識別率可達(dá)到95%，為下一步項(xiàng)目產(chǎn)品化開發(fā)奠定了基礎(chǔ)。
1 車載音響語音控制系統(tǒng)
　非特定人車載音響語音控制系統(tǒng)結(jié)構(gòu)框圖如圖1 所示。

　系統(tǒng)的主要功能是：語音采集模塊(由定向拾音器組成)用于采集駕駛員發(fā)出的語音命令信號，由語音識別模塊實(shí)現(xiàn)信號的A/D轉(zhuǎn)換，并對轉(zhuǎn)換的數(shù)字信號進(jìn)行語音識別處理，最終輸出與語音命令相對應(yīng)的詞條編碼信息?？刂颇K對接收的詞條編碼信號進(jìn)行邏輯分析與處理并產(chǎn)生對應(yīng)的控制信號，通過系統(tǒng)I/O接口驅(qū)動車載音響動作，完成駕駛員的語音命令。
1.1 語音識別模塊
　語音識別模塊主要由UniSpeech-SDA80D51芯片及外圍電路組成。
SDA80D51是德國Infineon公司專為語音識別和語音處理應(yīng)用領(lǐng)域新推出的專用芯片，采用高集成度的SoC系統(tǒng)結(jié)構(gòu)，以0.18 μm半導(dǎo)體工藝制造，SDA80D51的基本結(jié)構(gòu)如圖2所示。

　SDA80D51片內(nèi)集成了直接雙訪問快速SRAM、2路ADC和2路DAC、多種通信接口和通用GPIO等部件。SDA80D51工作方式以M8051為主控制芯片，主要完成系統(tǒng)配置和SPI、PWM、I2C、GPIO等接口的控制以及語音數(shù)據(jù)的傳輸工作；DSP核心OAK為協(xié)處理器，完成語音識別算法、語音編解碼算法等語音處理工作。
非特定人語音信號由定向拾音器輸入，經(jīng)過SDA80D51內(nèi)部的數(shù)據(jù)采集模塊進(jìn)行A/D轉(zhuǎn)換，再經(jīng)過識別程序的預(yù)處理、端點(diǎn)檢測、特征參數(shù)提取、模板匹配等處理，選擇識別詞表中最接近的詞條序號作為識別結(jié)果，識別結(jié)果通過GPIO口輸出。
1.2 控制模塊
　控制模塊由MCU和模擬開關(guān)電路構(gòu)成，本模塊主要完成對語音識別模塊輸出的詞條編碼信號進(jìn)行邏輯分析和處理，通過模擬開關(guān)電路產(chǎn)生對應(yīng)功能的控制信號控制音響的動作。其中MCU選用美國ATMEL公司產(chǎn)品AT89S51，綜合AT89S51輸出I/O信號電壓特性和SL1102C1音響控制面板電阻式分流鍵盤電路的特點(diǎn)，確定使用繼電器模擬SL1102C1控制面板按鍵的閉合和斷開動作。AT89S51和繼電器模擬開關(guān)電路原理圖如圖3所示。

1.3 音響模塊
　本設(shè)計(jì)是基于SL1102C1型汽車音響。SL1102C1是專門為中檔轎車設(shè)計(jì)的汽車音響，具有MP3播放、收音機(jī)和顯示時間等功能，目前大量使用在江淮同悅轎車上。SL1102C1前板共有開關(guān)機(jī)/靜音、音效、播放/暫停等15個按鍵和一個用來調(diào)節(jié)音量的編碼開關(guān)。
　SL1102C1前板上的按鍵為電壓采樣識別方式，按鍵包含短按和長按兩種動作，AT89S51輸出電壓為TTL電平，直接采用I/O信號驅(qū)動音響按鍵動作容易引起誤識別，造成系統(tǒng)誤操作，因此本文采用圖3所示的模擬開關(guān)電路，很好地解決了上述問題。當(dāng)AT89S51接收到語音編碼信號后，立即進(jìn)行邏輯分析并輸出對應(yīng)的控制信號驅(qū)動相應(yīng)繼電器吸合模擬按鍵動作，按鍵的短按和長按功能是通過軟件實(shí)現(xiàn)的。
　模擬開關(guān)電路還適用于SL1102C1前板上的編碼開關(guān)，編碼開關(guān)具有音量調(diào)節(jié)功能，其工作原理如圖4所示。
由圖4可知，編碼開關(guān)上有A、B、C三個端子，開關(guān)旋鈕左、右旋轉(zhuǎn)時，A、B端子輸出對應(yīng)的脈沖信號。當(dāng)MCU收到操作編碼開關(guān)的語音命令信號后，驅(qū)動繼電器動作，控制端子A、B輸出信號，模擬開關(guān)旋鈕功能。

2 系統(tǒng)軟件設(shè)計(jì)
　系統(tǒng)的軟件包括非特定人語音識別模塊和邏輯控制模塊。
2.1 非特定人語音識別模塊
　非特定人語音識別模塊基于HMM模型算法。該算法通過對大量語音數(shù)據(jù)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，建立識別詞條的統(tǒng)計(jì)模型語音庫，然后從待識別語音中提取特征，與模型庫進(jìn)行匹配，由比較匹配分?jǐn)?shù)得到識別結(jié)果，并通過SDA80D51的GPIO口輸出識別結(jié)果對應(yīng)的詞條編碼信號。語音識別模塊主要由信號預(yù)處理、特征參數(shù)提取、模型匹配和Viterbi算法部分組成，非特定人語音識別模塊框圖如圖5所示。

2.1.1 信號預(yù)處理
　信號預(yù)處理部分主要完成輸入語音信號的采樣、 模/數(shù)轉(zhuǎn)換功能。A/D變換由SDA80D51內(nèi)嵌12位A/D變換器實(shí)現(xiàn)，采樣頻率固定為8 kHz。
2.1.2 特征參數(shù)提取
　特征參數(shù)提取基于語音幀，采用分幀提取特片。先對語音信號進(jìn)行重疊分幀，前一幀和后一幀重疊一半(幀信號重疊是體現(xiàn)相鄰兩幀數(shù)據(jù)之間的相關(guān)性)，幀長為25 ms，對每幀提取一次語音特片。
語音信號是聲道響應(yīng)和聲門激勵信號的卷積。分別求聲道傳輸函數(shù)和聲門激勵信號的對數(shù)頻率響應(yīng)，由于聲門激勵信號的頻率響應(yīng)和聲道傳輸函數(shù)在頻譜的變化快慢不同，如將頻率軸視為時間軸，則聲門激勵信號的頻率響應(yīng)對應(yīng)于“高頻”區(qū)；而聲道傳輸函數(shù)對應(yīng)于“低頻”區(qū)，處在不同區(qū)域就易于分辨。
MFCC參數(shù)屬于感知頻域倒譜參數(shù)，反映了語音信號短時幅度譜的特征。p維MFCC參數(shù)的具體計(jì)算提取過程如下：
　(1)用DFFT對每幀s(n：m)計(jì)算線性頻譜，計(jì)算頻譜模的平方為功率譜；
　(2)功率譜經(jīng)過Mel濾波器組獲得D個參數(shù)X(i)，D是Mel濾波器組中三角形濾波器的數(shù)量；
　(3)對X(i)做對數(shù)運(yùn)算和離散余弦變換，余弦變換計(jì)算公式如下：

　式中的Y(i)是第i個Mel濾波器的對數(shù)能量輸出，i=1，2，…，D。
2.1.3 HMM語音識別算法
　隱馬爾可夫采用概率統(tǒng)計(jì)模型描述語音信號，HMM模型建立在Markov鏈基礎(chǔ)上，使用Markov鏈來模擬語音信號統(tǒng)計(jì)特性的變化。HMM模型為雙重隨機(jī)過程，其一是Markov鏈，由(π，A)描述狀態(tài)的轉(zhuǎn)移，輸出為狀態(tài)序列；另一個是隨機(jī)過程，由B描述，在統(tǒng)計(jì)意義上B反映了狀態(tài)和觀察值之間的對應(yīng)關(guān)系，輸出為觀察值矢量序列。Markov鏈中狀態(tài)和時間參數(shù)都是離散的Markov過程。
　Viterbi算法是一種幀同步動態(tài)規(guī)整算法，在給定觀察值序列和模型時，Viterbi算法給出了一個概率密度P(Q，O|λ)最大的狀態(tài)序列。Viterbi算法包括初始化、遞推、終止、路徑回溯和確定最佳狀態(tài)序列。