基于UniSpeech-SDA80D51的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)揮語音識別技術(shù)在車身電子中的應(yīng)用價值。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)計方案，并在SL1102C1型車載音響上實現(xiàn)了對非特定人的語音識別與控制。

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，利用語音識別模塊將拾音器輸出的語音物理聲音信號轉(zhuǎn)變成語音數(shù)字信號，并識別出語音命令對應(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：



語音識別模塊主要由UniSpeech-SDA80D51芯片及外圍電路組成。本模塊主要實現(xiàn)對輸入的非特定人語音信號的識別和處理功能，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別模塊輸出的識別結(jié)果--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，采用電壓采樣識別模式，對不同鍵值進(jìn)行識別，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作。

本設(shè)計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15個按鍵和一個用來調(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個臺位、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/上一曲、向上鎖臺/下一曲、模式轉(zhuǎn)換、電臺瀏覽/自動存儲臺、波段切換、顯示時間/時間設(shè)置和復(fù)位等功能。

音響前板上的按鍵為電壓采樣識別方式，按鍵包含短按（延時小于0.2s）和長按（延時大于1s）兩種動作，控制模塊MCU（AT89S51）的輸出電壓為TTL電平，直接采用MCU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語音命令識別結(jié)果編碼信號后，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現(xiàn)的。

系統(tǒng)軟件設(shè)計

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。

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，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。

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.

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)，反映了語音信號短時幅度譜的特征。p維MFCC參數(shù)的提取過程如圖1所示。

其中：m是幀號，N是單位幀內(nèi)的采樣點數(shù)。

HMM是描述語音信號的一種概率統(tǒng)計模型，使用 MarKov鏈來模擬語音信號統(tǒng)計特性的變化，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。

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1s,短按子程序延時0.2s.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。為了避免語音控制和手動控制之間沖突，語音控制模塊可以完全兼容于手動控制，在語音控制操作時，同時可以進(jìn)行手動控制。

實驗結(jié)果及結(jié)論

本系統(tǒng)的樣機(jī)實驗主要是測試非特定人的語音識別率和模擬開關(guān)動作的準(zhǔn)確率。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。



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、說話人方言及環(huán)境有關(guān)。4字詞識別率高于2字詞，相對安靜環(huán)境下識別率可以達(dá)到90%以上，男聲和女聲的識別率接近。有噪聲干擾環(huán)境中識別率下降。為了提高系統(tǒng)的識別率，系統(tǒng)樣機(jī)采用奧林巴斯 ME52定向麥克（在表中沒有反映），提高了麥克接收范圍，使系統(tǒng)總體的識別率上升到95%.

在系統(tǒng)樣機(jī)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(yùn)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在不斷的被提出和驗證。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。由于該芯片集成度高，需要外圍模塊少，設(shè)計的硬件電路簡單，便于調(diào)試檢測。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)的性能會很快地下降。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。