非特定人車載音響語音控制系統(tǒng)

　　隨著現(xiàn)代電子技術(shù)在汽車系統(tǒng)中的不斷應(yīng)用，越來越多的車載電器加入到車身電子行列中，使得汽車的各種性能都得到了極大的改善，但汽車駕駛室的開關(guān)也越來越多，這就為駕駛員行車中對車載電器的操作提出了更高的要求，同時(shí)也給行車過程帶來了不安全的隱患。隨著語音識(shí)別算法的改進(jìn)和新一代Soc專用語音處理芯片的問世，使用語音命令控制汽車電器的操作能夠部分用口代替手的功能，從而減輕駕駛員操作負(fù)擔(dān)，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(shí)別技術(shù)在車身電子中的應(yīng)用價(jià)值。本文提出了一種的以專用語音處理芯片UniSpeech-SDA80D51為核心控制車載音響操作的設(shè)計(jì)方案，并在SL1102C1型車載音響上實(shí)現(xiàn)了對非特定人的語音識(shí)別與控制。

　　語音控制器硬件

　　車載語音控制器系統(tǒng)由定向拾音器、語音識(shí)別模塊、控制模塊和音響模塊組成。系統(tǒng)的功能是：由拾音器采集駕駛員發(fā)出的語音命令，利用語音識(shí)別模塊將拾音器輸出的語音物理聲音信號(hào)轉(zhuǎn)變成語音數(shù)字信號(hào)，并識(shí)別出語音命令對應(yīng)的漢字或詞語，之后由控制模塊產(chǎn)生與之對應(yīng)的詞條編碼指令，通過系統(tǒng)I/O口線將控制命令傳達(dá)給音響，車載音響接收到控制指令產(chǎn)生動(dòng)作，響應(yīng)駕駛員的語音命令，比如快進(jìn)、快退或音量調(diào)節(jié)等。系統(tǒng)結(jié)構(gòu)及原理框圖如圖1所示：

　　語音識(shí)別模塊主要由UniSpeech-SDA80D51芯片及外圍電路組成。本模塊主要實(shí)現(xiàn)對輸入的非特定人語音信號(hào)的識(shí)別和處理功能，輸出與語音命令對應(yīng)的詞條編碼。

　　SDA80D51是Infineon公司專為語音識(shí)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0.18μm半導(dǎo)體工藝制造，擁有8位高速增強(qiáng)型M8051核心(25MIPS)和16位定點(diǎn)DSP核心OAK(100MIPS)的雙核架構(gòu)，片內(nèi)集成了直接雙訪問快速SRAM、2路ADC和2路DAC(有效精度為12Bit)、多種通信接口和通用GPIO等設(shè)備，外部只需擴(kuò)展Flash存儲(chǔ)器等少量外圍電路即可構(gòu)成完整應(yīng)用系統(tǒng)。

　　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(shí)別模塊輸出的識(shí)別結(jié)果——詞條編碼信號(hào)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(hào)輸出到音響，控制音響的操作。其中MCU選用美國ATMEL公司產(chǎn)品AT89S51，由于車載音響SL1102C1上的按鍵控制面板為電阻式分流鍵盤電路，采用電壓采樣識(shí)別模式，對不同鍵值進(jìn)行識(shí)別，綜合SDA80D51芯片輸出的I/O電壓特性，確定使用繼電器模擬SL1102C1控制面板按鍵的閉合和斷開動(dòng)作。

　　本設(shè)計(jì)是基于安徽森力公司的SL1102C1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(shí)間等功能，目前大量使用在江淮同悅轎車上。SL1102C1前板共有15個(gè)按鍵和一個(gè)用來調(diào)節(jié)音量的編碼開關(guān)。分別為開關(guān)機(jī)/靜音、音效設(shè)置、6個(gè)臺(tái)位、播放/暫停、隨機(jī)播放、重復(fù)播放、瀏覽播放、選擇下曲(快進(jìn))、選擇上曲(快退)、向下搜臺(tái)/上一曲、向上鎖臺(tái)/下一曲、模式轉(zhuǎn)換、電臺(tái)瀏覽/自動(dòng)存儲(chǔ)臺(tái)、波段切換、顯示時(shí)間/時(shí)間設(shè)置和復(fù)位等功能。

　　音響前板上的按鍵為電壓采樣識(shí)別方式，按鍵包含短按(延時(shí)小于0.2s)和長按(延時(shí)大于1s)兩種動(dòng)作，控制模塊MCU(AT89S51)的輸出電壓為TTL電平，直接采用MCU信號(hào)驅(qū)動(dòng)音響按鍵動(dòng)作容易引起誤識(shí)別，造成系統(tǒng)誤操作，因此本文采用模擬開關(guān)電路，很好地解決了上述問題。當(dāng)AT89S51接收到語音模塊輸出的一個(gè)語音命令識(shí)別結(jié)果編碼信號(hào)后，立即進(jìn)行邏輯分析并輸出對應(yīng)的控制信號(hào)驅(qū)動(dòng)相應(yīng)繼電器吸合模擬按鍵動(dòng)作，按鍵的短按和長按功能是通過軟件實(shí)現(xiàn)的。

　　系統(tǒng)軟件設(shè)計(jì)

　　系統(tǒng)的軟件包括：非特定人語音識(shí)別模塊和邏輯控制模塊。

　　非特定人語音識(shí)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(shí)別詞條的統(tǒng)計(jì)模型語音庫，然后從待識(shí)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(shí)別結(jié)果，并通過SDA80D51的GPIO口輸出識(shí)別結(jié)果對應(yīng)的詞條編碼信號(hào)。語音識(shí)別模塊主要由信號(hào)預(yù)處理、特征參數(shù)提取、模型匹配和Viterbi算法部分組成。

　　信號(hào)預(yù)處理部分主要完成輸入語音信號(hào)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.

　　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(hào)進(jìn)行重疊分幀，前一幀和后一幀重疊一半(幀信號(hào)重疊是體現(xiàn)相鄰兩幀數(shù)據(jù)之間的相關(guān)性)，幀長為25ms，對每幀提取一次語音特片。

　　MFCC參數(shù)屬于感知頻域倒譜參數(shù)，反映了語音信號(hào)短時(shí)幅度譜的特征。p維MFCC參數(shù)的提取過程如圖1所示。

　　其中：m是幀號(hào)，N是單位幀內(nèi)的采樣點(diǎn)數(shù)。

　　HMM是描述語音信號(hào)的一種概率統(tǒng)計(jì)模型，使用MarKov鏈來模擬語音信號(hào)統(tǒng)計(jì)特性的變化，HMM模型是在Markov鏈的基礎(chǔ)上發(fā)展起來的。

　　Viterbi算法是一種幀同步動(dòng)態(tài)規(guī)整算法，在給定觀察值序列和模型時(shí)，Viterbi算法給出了一個(gè)概率密度P(Q，O |λ)最大的狀態(tài)序列。

　　控制模塊的主要功能是：在單片機(jī)查詢到語音模塊輸出的語音詞條信號(hào)后，查表獲得詞條編碼，根據(jù)編碼判斷對應(yīng)按鍵是長按或短按，分別進(jìn)入相應(yīng)的子程序處理，長按子程序延時(shí)1s，短按子程序延時(shí)0.2s.在子程序中，輸出語音命令所對應(yīng)的I/O控制信號(hào)驅(qū)動(dòng)繼電器吸合模擬按鍵或編碼開關(guān)動(dòng)作，并及時(shí)復(fù)位I/O口。為了避免語音控制和手動(dòng)控制之間沖突，語音控制模塊可以完全兼容于手動(dòng)控制，在語音控制操作時(shí)，同時(shí)可以進(jìn)行手動(dòng)控制。

　　實(shí)驗(yàn)結(jié)果及結(jié)論

　　本系統(tǒng)的樣機(jī)實(shí)驗(yàn)主要是測試非特定人的語音識(shí)別率和模擬開關(guān)動(dòng)作的準(zhǔn)確率。由于汽車音響的語音詞條為2~4個(gè)字，語音識(shí)別率實(shí)驗(yàn)內(nèi)容為車載音響常用2字詞條指令18條、3字詞條指令12條、4字詞條指令10條，實(shí)驗(yàn)對象為6人4男、2女(普通話和方言)，實(shí)驗(yàn)環(huán)境為噪聲干擾環(huán)境和相對安靜環(huán)境，樣機(jī)測試結(jié)果如表1所示。