基于UniSpeech-SDA80D51的車載音響聲控系統(tǒng)
現(xiàn)代電子技術(shù)的發(fā)展,使得越來越多的車載電器加入到汽車電子行列中,在改善汽車性能的同時,也增加了汽車駕駛操作的復(fù)雜度,給行車過程帶來了不安全隱患。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,使得語音控制代替了手動控制車載電器,從而減輕了駕駛員手動操作負(fù)擔(dān),大大提高了行車安全性。
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,語音識別技術(shù)在車身電子中的應(yīng)用沒有充分發(fā)揮。本文首次提出了一種以專用語音處理芯片UniSpeech-SDA80D51為核心組成的非特定人車載音響語音控制系統(tǒng)的設(shè)計方案,并實現(xiàn)了系統(tǒng)樣機(jī)的研制。
1 車載音響語音控制系統(tǒng)
系統(tǒng)由語音采集、語音識別、控制驅(qū)動和車載音響等模塊構(gòu)成,系統(tǒng)完成的主要功能是:語音采集模塊用于采集駕駛員發(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)的詞條編碼信號,控制模塊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)的控制信號驅(qū)動車載音響動作,代替駕駛員的手動操作。
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)域新推出的高集成度SoC專用芯片,其基本結(jié)構(gòu)如圖1所示。
由圖1可知,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 控制驅(qū)動模塊
控制驅(qū)動模塊由MCU和模擬開關(guān)及外圍電路構(gòu)成,模塊主要用來接收語音識別結(jié)果,并對詞條編碼信號進(jìn)行邏輯分析和處理,通過模擬開關(guān)電路產(chǎn)生對應(yīng)功能的控制信號驅(qū)動音響動作。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,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2所示。
1.3 音響模塊
本設(shè)計是基于SL1102C1型汽車音響。SL1102C1是專門為中檔轎車設(shè)計的汽車音響,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前板鍵控為分壓識別方式,按鍵包含短按和長按兩種動作。AT89S51輸出電壓為TTL電平,直接驅(qū)動音響容易引起鍵碼誤識別,造成系統(tǒng)誤操作,因此本文采用圖2所示電路,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)動繼電器吸合模擬按鍵動作,按鍵的短按和長按功能通過軟件實現(xiàn)。
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。開關(guān)旋鈕旋轉(zhuǎn)時,開關(guān)上端子輸出對應(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)動端子輸出脈沖信號,模擬開關(guān)旋鈕功能。
2 系統(tǒng)軟件設(shè)計
系統(tǒng)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隱馬爾可夫模型算法。HMM算法通過對大量語音數(shù)據(jù)進(jìn)行數(shù)據(jù)統(tǒng)計,建立識別詞條的統(tǒng)計模型語音庫,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。非特定人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,模塊框圖如圖3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。
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)的具體計算提取過程如下:
(1)用DFFT對每幀s(n:m)計算線性頻譜,計算頻譜模的平方為功率譜;
(2)功率譜經(jīng)過 Mel 濾波器組獲得到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)運算和離散余弦變換,余弦變換計算公式如下:
式中的Y(i)是第i個Mel濾波器對數(shù)能量的輸出,i=1,2,…,D。
2.1.3 HMM語音識別算法
隱馬爾可夫算法采用概率統(tǒng)計模型描述語音信號,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。
對于語音處理而言,因Q的變化,P(Q,O|λ)取值范圍很大,而P(Q,O|λ)的最大值占了全部P(Q,O|λ)的很大的成分,所以可以用Viterbi算法來計算P(O|λ)。
2.2 控制模塊
控制模塊的主要功能是:在AT89S51查詢到語音詞條信號后,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。在子程序中,輸出語音命令所對應(yīng)的I/O控制信號驅(qū)動繼電器吸合模擬按鍵或編碼開關(guān)動作,并及時復(fù)位I/O口??刂颇K還具有完全兼容手動控制的功能,在語音控制操作的同時也可以進(jìn)行手動操作,手動的優(yōu)先級高于語音命令,這樣可以避免語音控制和手動控制之間沖突。
控制模塊部分程序代碼如下:
void main()
{…… //初始化
while(1)
{…… //初始化
while(P0 == 0x00) //等待語音信號
{ WDTRST=0x1E;
WDTRST=0xE1; //WD指令
YXSY=0;}
YXSY = 1;
if(date != P0)
{ delayms(6); //延時函數(shù)
date = P0;
if(date==1 || date==2) //開機(jī)、靜音
{ PWR = 0; //電源按鈕按下
delayms(200);
PWR = 1;} //電源按鈕松開
……
P1 = 0xff;
P2 = 0xff;}}}
3 系統(tǒng)實測結(jié)果
本系統(tǒng)在江淮同悅SL1102C1型車載音響上進(jìn)行了非特定人語音識別率和模擬開關(guān)動作準(zhǔn)確率測試。由于汽車音響的語音詞條為2~4個字,語音識別率實驗內(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,實驗對象為6人4男、2女(普通話和方言),實驗環(huán)境為實驗室環(huán)境。為了提高系統(tǒng)的識別率,系統(tǒng)采用奧林巴斯 ME52定向麥克,提高了麥克接收范圍,系統(tǒng)測試結(jié)果如表1所示。
由表1可知,系統(tǒng)的識別率與語音指令詞條字?jǐn)?shù)、麥克接收距離、說話人方言有關(guān)。男聲和女聲的識別率接近。
在系統(tǒng)控制電路實驗中,模擬開關(guān)動作達(dá)到了較高的準(zhǔn)確率,測試結(jié)果為98%以上,只要控制程序運行正常,各路繼電器就能按照程序安排執(zhí)行閉合和斷開模擬手動開關(guān)操作。
實現(xiàn)汽車電器的語音控制是未來車載電器的發(fā)展趨勢,越來越多的解決方案被不斷提出和驗證。本文提出的設(shè)計是在SL1102C1型車載音響上使用SDA80D51芯片,實現(xiàn)了車載音響非特定人的語音識別與控制。該設(shè)計得到的樣機(jī)有較高的識別率,工作穩(wěn)定、可擴(kuò)展性強(qiáng),達(dá)到預(yù)期的設(shè)計目標(biāo),整個設(shè)計方案和實現(xiàn)方法是可行的。由于語音識別率隨著環(huán)境、說話人不同而變化,雖然HMM算法在噪聲很少的環(huán)境下可以獲得很高的識別率,但當(dāng)測試語音或者環(huán)境中含有不同程度的噪聲污染時,語音識別系統(tǒng)的性能會有所下降。提高系統(tǒng)的抗噪性和魯棒性是語音識別系統(tǒng)走向?qū)嵱没年P(guān)鍵之一。