基于ATK的實(shí)時(shí)語音識(shí)別系統(tǒng)在家庭監(jiān)護(hù)機(jī)器人中的應(yīng)用實(shí)現(xiàn)

語音是人類最常用的交流方式，也是人類和計(jì)算機(jī)交流最渴望的方式。因此用語音同計(jì)算機(jī)交流也成為了最近研究的熱點(diǎn)，計(jì)算機(jī)對(duì)語音的理解是計(jì)算機(jī)科學(xué)中的一個(gè)引人人勝的、富有挑戰(zhàn)性的課題。

進(jìn)入90年代，隨著多媒體時(shí)代的來臨，迫切要求語音識(shí)別系統(tǒng)從實(shí)驗(yàn)室走向?qū)嵱?。許多發(fā)達(dá)國家如美國、日本、韓國以及IBM、Apple、ATT、NTT等著名公司都為語音識(shí)別系統(tǒng)的實(shí)用化開發(fā)研究投以巨資。IBM公司于1997年開發(fā)出漢語ViaVoice語音識(shí)別系統(tǒng)，次年又開發(fā)出可以識(shí)別上海話、廣東話和四川話等地方口音的語音識(shí)別系統(tǒng)ViaVoice’98。目前市場(chǎng)上已經(jīng)出現(xiàn)了語音識(shí)別電話、語音識(shí)別記事本等產(chǎn)品，如美國VPTC公司的Voice Organizer和法國的Parrot等。

我國語音識(shí)別研究工作開始的較晚，但近年來發(fā)展得很快，一直緊跟國際水平，國家也很重視，并把大詞匯量語音識(shí)別的研究列入“8 63”計(jì)劃，由中科院聲學(xué)所、自動(dòng)化所、清華大學(xué)電子工程系及北京大學(xué)等單位研究開發(fā)，取得了高水平的科研成果，如中科院自動(dòng)化所研制的非特定人、連續(xù)語音聽寫系統(tǒng)和漢語語音人機(jī)對(duì)話系統(tǒng)，其字準(zhǔn)確率或系統(tǒng)響應(yīng)率可達(dá)90％以上。鑒于中國未來龐大的市場(chǎng)，國外也非常重視漢語語音識(shí)別的研究。美國、新加坡等地聚集了一批來自大陸、臺(tái)灣、香港等地的學(xué)者，研究成果已達(dá)到相當(dāng)高水平。

1 系統(tǒng)設(shè)計(jì)

文中是家庭監(jiān)護(hù)機(jī)器人項(xiàng)目中的語音識(shí)別系統(tǒng)設(shè)計(jì)部分，設(shè)計(jì)目的是設(shè)計(jì)出一種可以識(shí)別語音的、協(xié)助監(jiān)護(hù)家庭行動(dòng)不方便人員的機(jī)器人。為實(shí)現(xiàn)該語音識(shí)別系統(tǒng)，設(shè)計(jì)了語音識(shí)別系統(tǒng)總體結(jié)構(gòu)框圖，如圖1所示。

1．1 硬件設(shè)計(jì)

文中所研究和設(shè)計(jì)的功能，都是應(yīng)用在移動(dòng)機(jī)器人上的。因而系統(tǒng)的研究設(shè)計(jì)需要考慮到體積小、省電、便于移動(dòng)的特性，并需具有便于家庭用戶操作的友好顯示界面。對(duì)于語音識(shí)別部分，需要用到用于語音識(shí)別算法處理的處理器、語音采集電路和語音輸出電路，如圖2所示。其中語音識(shí)別算法運(yùn)算的處理器主要負(fù)責(zé)算法的運(yùn)算處理，相當(dāng)于機(jī)器人的大腦；語音采集電路負(fù)責(zé)采集外部的聲音信號(hào)，相當(dāng)于機(jī)器人的耳朵；語音輸出電路負(fù)責(zé)輸出話語聲音，相當(dāng)于機(jī)器人的嘴巴。

1)語音識(shí)別算法處理器選擇

根據(jù)系統(tǒng)設(shè)計(jì)功能的要求，目前常用的語音識(shí)別芯片種類一般有：單片機(jī)(MCU)、DSP和SoC(System on Circuit)?？紤]到普通單片機(jī)(MCU)資源的緊缺及運(yùn)行速度較慢的缺點(diǎn)，因而在本系統(tǒng)設(shè)計(jì)將不考慮使用單片機(jī)(MCU)作為語音識(shí)別的處理器。DSP包含用作數(shù)字信號(hào)處理的專用部件，運(yùn)算能力強(qiáng)、精度高，但目前DSP的價(jià)格比較高，同時(shí)考慮到本系統(tǒng)的特性，需要選擇一種既有較強(qiáng)的運(yùn)算能力，合適于語音識(shí)別的功能，并且能實(shí)現(xiàn)較好的用戶操作界面，并帶有文件系統(tǒng)(用于識(shí)別地圖)的功能，因而選擇DSP并不是明智之舉。目前Texas Instruments公司新推出的一款芯片OMAP3530，它具有雙內(nèi)核ARM CortexTM-A8的內(nèi)核和TMS320C64+TM DSP內(nèi)核，屬于高性能的OMAP35x架構(gòu)系列產(chǎn)品，滿足了系統(tǒng)設(shè)計(jì)的各種功能特性要求。

2)語音編解碼芯片選擇

機(jī)器人選擇一款合適的語音處理芯片是非常重要的?？紤]到系統(tǒng)中用到了各種電源，并需要對(duì)電源進(jìn)行管理，因此選擇TI公司配套的TPS 65930芯片來作為系統(tǒng)語音識(shí)別部分的音頻編解碼處理功能的硬件平臺(tái)是非常合適的。該芯片是一個(gè)集成了電源管理、ADC、嵌入式電源控制(EPC)、全功能的音頻編解碼器于一體的芯片，滿足了系統(tǒng)所有電源管理和音頻編解碼的需要，為設(shè)計(jì)的PCB板節(jié)省了空間，同時(shí)減少了多電源硬件設(shè)計(jì)的負(fù)責(zé)布線煩惱。

3)電路設(shè)計(jì)

本文的設(shè)計(jì)是用在移動(dòng)機(jī)器人上的，因而需要語音的輸入、識(shí)別處理及語音輸出的功能。對(duì)于語音的輸入采集，本文使用聲音傳感器麥克風(fēng)及外圍電路來實(shí)現(xiàn)。對(duì)于語音輸出部分，使用功率放大器結(jié)合喇叭來使用。設(shè)計(jì)語音部分原理圖如圖3所示。