基于單片機(jī)的語音識別系統(tǒng)研究

許振威 姜望望 繆榮國

【摘要】由隱馬爾可夫模型的算法和理論對語音進(jìn)行處理以提高系統(tǒng)的識別能力，具體設(shè)計系統(tǒng)的電源電路、復(fù)位電路、輸入系統(tǒng)、存儲系統(tǒng)等硬件模塊和軟件實(shí)現(xiàn)方法，經(jīng)過測試能夠?qū)崿F(xiàn)語音識別功能。

【關(guān)鍵詞】隱馬爾可夫；語音識別；單片機(jī)

在這個高科技的信息時代，計算機(jī)占著極為重要的地位，人機(jī)通信是人與機(jī)器之間進(jìn)行信息通訊，使機(jī)器按照人的意愿工作，傳統(tǒng)的人機(jī)通信是通過鍵盤、按鈕以及顯示器等機(jī)器設(shè)備實(shí)現(xiàn)的，在許多場合都不是很方便，其最理想的通信方式就是通過語音進(jìn)行識別。實(shí)現(xiàn)人與機(jī)器通過自然語音的方式進(jìn)行信息通訊，不僅可以簡化日常工作，更可以提高工作效率，帶給人們極大的方便。而實(shí)現(xiàn)這個理想最關(guān)鍵的部分就是語音識別技術(shù)。

1語音識別概述

1.1語音信號的產(chǎn)生

物體的振動產(chǎn)生聲音，正在發(fā)聲的物體叫做聲源，聲音在介質(zhì)中以聲波的形式傳播。語音是指人的發(fā)聲器官振動所發(fā)出的負(fù)載一定語言意義的聲音，發(fā)音器官主要有肺部、氣管、喉部、咽、鼻腔、口腔和上下唇，每個人的聲道各不相同，從而各自發(fā)出的聲音也不相同。

語音信號主要有模擬信號和數(shù)字信號兩種表現(xiàn)形式。模擬信號是人直接通過耳朵聽到的信號，是時間和幅值均連續(xù)的物理量，由于其數(shù)據(jù)量過大、有較多的隨機(jī)因素等原因不能直接被作為計算機(jī)的識別信號。數(shù)字信號是時間和數(shù)值均離散的二進(jìn)制數(shù)字量化的模擬信號，是計算機(jī)語音識別技術(shù)的基礎(chǔ)。數(shù)字信號相比模擬信號有以下優(yōu)點(diǎn)：可以實(shí)現(xiàn)很多復(fù)雜的信號處理工作；具有可靠性高、價格低廉、反應(yīng)迅速等特點(diǎn)；有利于區(qū)分出干擾信號等。所以要想使計算機(jī)按照人類的自然語言要求工作，關(guān)鍵的就是將模擬信號轉(zhuǎn)換為數(shù)字信號。

１．２語音信號的處理

根據(jù)討論，若要對語音信號進(jìn)行處理必須先對此信號進(jìn)行預(yù)處理，即將模擬信號轉(zhuǎn)換為數(shù)字信號，再整理、分析、理解轉(zhuǎn)換后的數(shù)字信號，并過濾掉多余的信息。主要包括數(shù)字化、預(yù)加重和加窗分幀三部分。

數(shù)字化就是把語音模擬信號轉(zhuǎn)換為數(shù)字信號的采樣與量化過程，采樣是在相同間隔的時間內(nèi)抽取信號而得到離散的序列，并將其轉(zhuǎn)換為數(shù)字。量化則是在有限的區(qū)域內(nèi)分布采樣后的信號。預(yù)加重是通過一個高通濾波器使頻譜變得平坦，防止衰減作用，不受有限字長效應(yīng)的影響。以“幀”為單位對語音信號進(jìn)行截取，使信號有短時平穩(wěn)的特征，加窗則可以讓截取的信號波形更加平滑。

１．３語音信號的模塊處理

在語音識別中，常使用的基本算法有：動態(tài)時間規(guī)整技術(shù)（DTW）、隱馬爾可夫模型（HMM）和人工神經(jīng)元網(wǎng)絡(luò)（ANN）。

１）隱馬爾可夫模型

隱馬爾可夫模型（HMM）在當(dāng)前語音識別系統(tǒng)中占據(jù)主流地位。它是一種隨機(jī)概率模型，其使用大大降低了模型的復(fù)雜度。早在20世紀(jì)六七十年代就開始研究的統(tǒng)計信號模型。HMM是在Markov鏈的基礎(chǔ)上發(fā)展起來的，但實(shí)際問題要更為復(fù)雜，所觀察到的事件與一組概率分布相關(guān)。它是一個雙重隨機(jī)過程，一個是Markov鏈，這是基本隨機(jī)過程，它描述狀態(tài)的轉(zhuǎn)移；一個是隨機(jī)過程描述狀態(tài)和觀測值之間的統(tǒng)計對應(yīng)關(guān)系，觀察者不能直接看到狀態(tài)，而是由感覺感知到的，因此稱之為“隱”Markov模型，即HMM。

２）人工神經(jīng)網(wǎng)絡(luò)法

ANN現(xiàn)在已經(jīng)成為了另一個熱點(diǎn)，是非線性系統(tǒng)，具有DTW和HMM沒有的對比、概括、推理能力。

３）動態(tài)時間規(guī)整技術(shù)

DTW是模板訓(xùn)練和模式匹配中出現(xiàn)最早的技術(shù)，使用動態(tài)規(guī)劃技術(shù)在孤立詞語音識別中具有良好的成果，但是其計算量較大，很難被使用到現(xiàn)實(shí)中的語音識別。目前已經(jīng)被其他的算法所替代。

2語音識別系統(tǒng)設(shè)計思路

語音識別技術(shù)正在不斷的發(fā)展中，在硬件平臺上實(shí)現(xiàn)語音識別以取代繁瑣的工作成為其發(fā)展的必然趨勢。本文就是對基于單片機(jī)的語音識別系統(tǒng)的研究。由于單片機(jī)本身存在著處理速度慢、存儲能力不強(qiáng)大的缺陷，所以此次設(shè)計是基于孤立詞的語音識別系統(tǒng)。

語音識別系統(tǒng)的模型庫訓(xùn)練工作原理是：特定人的語音信號進(jìn)入系統(tǒng)，系統(tǒng)對進(jìn)入的語音信號濾波，目的是為了消除需要的語音頻率之外的其他雜音，進(jìn)而數(shù)模轉(zhuǎn)換，將輸入的語音模擬信號數(shù)字化，有利于計算機(jī)進(jìn)行識別。數(shù)字化后的語音信號再通過預(yù)處理、加窗分幀。對于剩下的語音信號送入HMM模板與模板庫進(jìn)行訓(xùn)練和匹配，再將最佳的結(jié)果傳輸給用戶。

3系統(tǒng)模塊設(shè)計及系統(tǒng)測試

此次設(shè)計是基于單片機(jī)的語音識別系統(tǒng)研究，有以下幾點(diǎn)要求：該系統(tǒng)必須使完整的語音識別系統(tǒng)，有簡單的顯示功能，提高系統(tǒng)的識別性能，體積盡量減小。

工作原理首先采集語音信號，輸入完成后通過濾波采集需要的語音信號，再通過數(shù)模轉(zhuǎn)換器進(jìn)入控制器，再與標(biāo)準(zhǔn)語音庫中的語音信號進(jìn)行對比，找出最接近該段信號的語音，再將識別出的語音通過LCD顯示模塊顯示給用戶。

系統(tǒng)檢測首先確認(rèn)是否有按鍵按下，當(dāng)檢測到有按鍵按下時，表示系統(tǒng)開始運(yùn)行，如果沒有按下，則表示系統(tǒng)處于非工作狀態(tài)，只有當(dāng)有按鍵時，才可以工作。進(jìn)而開始接收語音信號，首先對語音信號進(jìn)行濾波消除雜音，然后通過數(shù)模轉(zhuǎn)換電路，將模擬信號轉(zhuǎn)換為數(shù)字信號，預(yù)處理、端點(diǎn)檢測后，與事先存儲好的信號進(jìn)行比對，得到最后的識別結(jié)果，將識別出來的結(jié)果，送往LCD液晶顯示器上顯示出來，展現(xiàn)給用戶。

此次設(shè)計通過MATLAB軟件實(shí)現(xiàn)對語音信號的調(diào)試。在接收語音信號時，有可能產(chǎn)生外界的干擾噪聲，這就需要我們通過一系列復(fù)雜的公式計算，對該信號進(jìn)行處理，進(jìn)而在送由單片機(jī)進(jìn)行下一步的工作。

4結(jié)束語

語音識別技術(shù)是實(shí)現(xiàn)人與計算機(jī)進(jìn)行直接對話，讓計算機(jī)自動對人所說的話進(jìn)行識別、理解并執(zhí)行的技術(shù)手段。語音識別技術(shù)的應(yīng)用已經(jīng)成為一個被受關(guān)注的新型技術(shù)產(chǎn)業(yè)，它的實(shí)現(xiàn)能夠簡化人們在以往工作中的繁瑣，未來語音識別還要向低成本、高性能方向不斷發(fā)展。

【參考文獻(xiàn)】

［１］馬麗靜．基于單片機(jī)控制的語音識別系統(tǒng)的軟件開發(fā)[J].電腦開發(fā)與應(yīng)用,2003（０５）：37-38．

［２］張雄偉，陳亮．現(xiàn)代語音處理技術(shù)及應(yīng)用[M]．機(jī)械工業(yè)出版社，2003，5：26-30．

［責(zé)任編輯：張濤］