智能語音控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

王 磊，何 勇，張 宇

(貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴陽 550000)

0 引言

語言是人類溝通的橋梁，可以很輕松地達(dá)到信息的交互。如今語音識(shí)別技術(shù)已經(jīng)是世界上最熱門和最具發(fā)展前景的技術(shù)之一，通過這項(xiàng)技術(shù)可以讓語言成為人類和機(jī)器溝通的橋梁，可以使人類的日常生活操作變得更加簡單和方便。智能語音控制系統(tǒng)，采用LD3320[1]芯片，主要通過語音識(shí)別技術(shù)實(shí)現(xiàn)在家庭中對(duì)電燈、風(fēng)扇、窗簾等電器的開關(guān)控制，并且伴隨識(shí)別結(jié)果有語音播放，達(dá)到真正的智能人機(jī)交互。

1 系統(tǒng)總體設(shè)計(jì)

基于LD3320的智能語音控制系統(tǒng)框架如圖1所示。系統(tǒng)主要由電源模塊、主控制器、識(shí)別模塊、控制模塊、外部存儲(chǔ)器、語音輸入和輸出等部分組成。語音輸入模塊將采集到的語音信息送入LD3320處理芯片進(jìn)行識(shí)別，LD3320將識(shí)別結(jié)果返回給主控模塊，同時(shí)從外部存儲(chǔ)器中取出語音數(shù)據(jù)進(jìn)行語音輸出播放，此時(shí)主控模塊分析識(shí)別結(jié)果后，利用控制模塊達(dá)到最終控制家電的效果。外部存儲(chǔ)器中的數(shù)據(jù)，可在設(shè)備運(yùn)行過程中實(shí)時(shí)更改，利用編寫的上位機(jī)通過串口將數(shù)據(jù)發(fā)往主控模塊，主控模塊將數(shù)據(jù)轉(zhuǎn)存至外部存儲(chǔ)器進(jìn)行存放。

圖1 智能語音控制系統(tǒng)框架圖

2 硬件設(shè)計(jì)

智能語音控制系統(tǒng)中的硬件電路主要包括主控制器和語音識(shí)別兩個(gè)核心模塊，語音采集成功后進(jìn)入語音識(shí)別模塊，LD3320進(jìn)行識(shí)別后將結(jié)果返回到主控模塊，外部存儲(chǔ)器模塊的設(shè)計(jì)主要是將返回的結(jié)果進(jìn)行輸出播放。由于控制模塊與其它模塊供電電壓不同，本文設(shè)計(jì)的電源模塊就分成兩路進(jìn)行供電。語音輸入和輸出模塊的設(shè)計(jì)，優(yōu)化了語音采集的性能，實(shí)現(xiàn)了語音播放的功能。最終將控制請(qǐng)求命令發(fā)送給控制模塊對(duì)設(shè)備進(jìn)行控制操作。

2.1 電源模塊

由于整個(gè)語音控制系統(tǒng)是嵌入墻體內(nèi)，類似普通的插座，所以它的供電采用HLK-PM01[2]電源模塊將220 V的交流電轉(zhuǎn)化為5 V直流電，一路用來驅(qū)動(dòng)SRD-05VDC-SL-C[3]繼電器，另一路經(jīng)過ASM-1117[4]穩(wěn)壓芯片將5 V轉(zhuǎn)為3.3 V電壓供主控模塊、識(shí)別模塊、和外部存儲(chǔ)器使用。

2.2 主控制器

用STC10L08XE芯片作為智能語音控制系統(tǒng)的MCU，它是宏晶科技公司生產(chǎn)的機(jī)器周期為1 T的單片機(jī)，SRAM為512K，片內(nèi)RAM為8 K；指令代碼兼容傳統(tǒng)8051單片機(jī)，屬于增強(qiáng)型8051 MCU，速度比傳統(tǒng)的快8～12倍，有EEPROM[5]功能，2個(gè)16位定時(shí)器，MCU操作電壓范圍：2.4～3.6 V。

主控制器是控制設(shè)備開關(guān)的核心電路，主要處理經(jīng)過LD3320識(shí)別后的語音數(shù)據(jù)及與外部存儲(chǔ)器模塊實(shí)現(xiàn)語音播放。最終主控制器分析識(shí)別結(jié)果后將控制指令發(fā)送給控制模塊。

2.3 識(shí)別模塊

語音識(shí)別模塊采用ICRoute公司設(shè)計(jì)生產(chǎn)的LD3320芯片，該芯片集成語音識(shí)別處理器、A/D和D/A轉(zhuǎn)換器、語音輸入接口、語音輸出接口等外部電路，具有快速而穩(wěn)定的優(yōu)化算法，完成語音識(shí)別，不需要事先訓(xùn)練和錄音，只需要把識(shí)別的關(guān)鍵詞語以字符串的形式傳送進(jìn)芯片，即可以在下次識(shí)別中立即生效，識(shí)別準(zhǔn)確率高達(dá)95%。芯片及外圍電路如圖2所示。

圖2 識(shí)別模塊電路圖

該模塊采用語音識(shí)別ASR[6]技術(shù)，該技術(shù)是非特定人語音識(shí)別技術(shù)，不支持不同人的語音區(qū)分識(shí)別。這種識(shí)別技術(shù)的原理是通過某種數(shù)學(xué)模型，將操作者說出的語音信息，通過頻譜轉(zhuǎn)換為語音特征提取出來，然后與設(shè)定好的關(guān)鍵詞條目進(jìn)行一一匹配，這種匹配也只是用概率性來衡量，在LD3320上最多能匹配出4種結(jié)果，這4種結(jié)果分別是最優(yōu)匹配結(jié)果、候選結(jié)果1、候選結(jié)果2、候選結(jié)果3。通常開發(fā)只取最優(yōu)結(jié)果，其他答案做參考。但是考慮實(shí)際開發(fā)和應(yīng)用效果，這里將這4種結(jié)果加以分析，選出結(jié)果相同最多的那個(gè)結(jié)果。

簡單來說，這種識(shí)別技術(shù)不關(guān)心關(guān)鍵詞的內(nèi)容，只關(guān)心語音的特征，所以不能分辨不同人的話語。最多可識(shí)別的關(guān)鍵詞個(gè)數(shù)為50個(gè)，且每個(gè)關(guān)鍵詞的長度不超過10個(gè)漢字或79個(gè)字節(jié)的標(biāo)準(zhǔn)普通話的漢語拼音(小寫)，每兩個(gè)字(漢語拼音)之前用一個(gè)空格符相隔，如“kaideng”。

2.4 控制模塊

控制模塊采用SRD-05VDC-SL-C繼電器來控制家電的開關(guān)，它可以控制10 A 250 VAC、10 A 30 VDC的負(fù)載，線圈工作電壓為5 V直流。

采用單片機(jī)引腳控制NPN型三極管S8050的導(dǎo)通，從而起到控制繼電器線圈兩端電壓的作用，并且繼電器線圈端需要加一個(gè)二極管，防止產(chǎn)生反向感應(yīng)電動(dòng)勢(shì)擊壞電路零件，起到保護(hù)的功能。

2.5 外部存儲(chǔ)器

外部存儲(chǔ)器采用W25Q32DW外部Flash[7]存儲(chǔ)芯片，存儲(chǔ)空間為4 MB，工作電壓為3.3 V，通過SPI[8]通信方式與單片機(jī)交互。

使用此芯片的主要目的是配合整個(gè)智能語音識(shí)別系統(tǒng)的語音輸出功能，即播放語音文件，如MP3[9]。同時(shí)也保存與主控制器和語音識(shí)別模塊的一些配置信息，實(shí)現(xiàn)掉電數(shù)據(jù)不丟失。

使用上位機(jī)通過串口與主控制器交互，將需要播放的一些語音數(shù)據(jù)和配置信息逐一發(fā)送給主控制器，主控制器再將這些數(shù)據(jù)通過SPI的方式轉(zhuǎn)存至W25Q32DW存儲(chǔ)芯片，通信過程中用到自定義的協(xié)議，保證數(shù)據(jù)傳輸?shù)耐暾浴?/p>

在系統(tǒng)需要播放語音文件時(shí)，由主控制器將存儲(chǔ)器中的語音數(shù)據(jù)逐一取出，然后不斷寫入LD3320語音識(shí)別模塊的寄存器中，識(shí)別模塊經(jīng)過自動(dòng)處理，以模擬信號(hào)的方式輸出至語音輸出接口。

2.6 語音輸入和輸出模塊

語音輸入模塊采用駐極體麥克風(fēng)[10]，這種麥克風(fēng)體積小，結(jié)構(gòu)簡單，成本低，電聲性能好，得到很廣泛的應(yīng)用，在設(shè)計(jì)時(shí)加一些簡單的外圍電路即可。

語音輸出模塊采用0.5 W內(nèi)磁式揚(yáng)聲器，該揚(yáng)聲器體積小，漏磁少，失真比較小，成本低，適合該系統(tǒng)應(yīng)用。

將該揚(yáng)聲器與LD3320的SPON和SPOP兩個(gè)引腳相連，語音識(shí)別模塊在需要播放語音時(shí)就將信號(hào)發(fā)送至這兩個(gè)引腳，從而經(jīng)過揚(yáng)聲器達(dá)到最終語音播放的功能。

3 軟件設(shè)計(jì)

具有語音識(shí)別、語音播放、智能控制、與上位機(jī)實(shí)時(shí)交互等功能的智能語音控制系統(tǒng)，其寫數(shù)據(jù)過程由上位機(jī)通過串口將語音數(shù)據(jù)和配置信息打包至自定義協(xié)議幀中，與主控制器進(jìn)行數(shù)據(jù)交互，主控制器將數(shù)據(jù)轉(zhuǎn)存至外部存儲(chǔ)器W25Q32DW中，在需要時(shí)，主控制器再將數(shù)據(jù)取出；其語音識(shí)別與處理輸出過程由駐極體麥克風(fēng)采集到的語音信息傳送至LD3320語音識(shí)別芯片加以識(shí)別處理，返回主控制器識(shí)別結(jié)果，根據(jù)識(shí)別結(jié)果操作外部存儲(chǔ)器W25Q32DW，將對(duì)應(yīng)的語音數(shù)據(jù)從存儲(chǔ)器中取出，并放入LD3320的寄存器中，LD3320會(huì)自動(dòng)播放該語音。與此同時(shí)，主控制器操作相應(yīng)引腳電平，配合控制模塊電路實(shí)現(xiàn)對(duì)家電的控制，達(dá)到控制與語音反饋的目的。圖3為智能語音控制系統(tǒng)的軟件框圖。

圖3 軟件框圖

3.1 LD3320芯片的配置

麥克風(fēng)增益調(diào)整：調(diào)整LD3320芯片0x35寄存器的數(shù)值大小。

麥克風(fēng)靈敏度調(diào)整：調(diào)整LD3320芯片0xb3寄存器的數(shù)值大小。

揚(yáng)聲器音量調(diào)整：調(diào)整LD3320芯片0x8e寄存器的數(shù)值大小。

這3個(gè)參數(shù)的調(diào)整，直接影響LD3320芯片的識(shí)別準(zhǔn)確度，所以需要根據(jù)實(shí)際情況做相應(yīng)的調(diào)整。

由于這些數(shù)據(jù)需要保證在操作者修改后，不論掉電與否，都不能變，則每次主控制器與上位機(jī)交互時(shí)若修改了這些數(shù)據(jù)，立即將修改后的數(shù)據(jù)存入W25Q32DW中保存，在每次重啟系統(tǒng)時(shí)，先將這些數(shù)據(jù)讀出來再進(jìn)行語音識(shí)別操作。

3.2 語音識(shí)別

LD3320最多只支持50個(gè)識(shí)別關(guān)鍵詞，那么也就是說最多也只能支持50條不同語音的播放，每個(gè)語音文件在W25Q32DW中都有字符開始位置和結(jié)束位置，占一定長度，此時(shí)將W25Q32DW芯片的前400個(gè)字節(jié)用來存放每個(gè)語音文件的開始和結(jié)束位置，從第401個(gè)字節(jié)開始至第2 900個(gè)字節(jié)，存放最多50個(gè)固定字符長度為50個(gè)字節(jié)的關(guān)鍵詞。從第4097個(gè)字節(jié)開始存放實(shí)際需要播放的語音數(shù)據(jù)。

在初始化LD3320完成后，需要對(duì)語音識(shí)別芯片寫入識(shí)別關(guān)鍵詞列表，此時(shí)將之前存入的關(guān)鍵詞逐一取出，并寫入LD3320中。

在LD3320工作過程中，不管是否識(shí)別成功都會(huì)產(chǎn)生一個(gè)中斷，在播放語音文件時(shí)也會(huì)有3種情況使LD3320產(chǎn)生中斷，第一種：聲音數(shù)據(jù)已經(jīng)全部播放完畢；第二種：聲音數(shù)據(jù)已經(jīng)全部發(fā)送至LD3320完畢；第三種：聲音數(shù)據(jù)暫時(shí)要用完，需要向LD3320放入新的數(shù)據(jù)。而LD3320產(chǎn)生的這些中斷，都只由一個(gè)引腳輸出，則MCU需要分析和處理這7幾種中斷情況。

如果識(shí)別正確，從LD3320可以得到1至4種結(jié)果，在此比較得到的幾種結(jié)果，選取唯一的、二者較靠前的、多者相同最多的，作為最終MCU選擇的結(jié)果，這個(gè)最終結(jié)果，是之前存放識(shí)別關(guān)鍵詞的順序序號(hào)，例如，第一個(gè)存放的關(guān)鍵詞是“kaideng”，第一個(gè)存放的語音文件對(duì)應(yīng)是播放“燈已打開”的人聲，則有可能的最終識(shí)別結(jié)果是1，代表識(shí)別到“kaideng”這個(gè)關(guān)鍵詞。

3.3 語音播放與控制家電

若最終識(shí)別結(jié)果是第一個(gè)關(guān)鍵詞，則從W25Q32DW中取出第一個(gè)語音文件在存儲(chǔ)器中的起始位置和結(jié)束位置，采用W25Q32DW的快速讀取方式，逐一將這個(gè)范圍內(nèi)的數(shù)據(jù)取出并寫入LD3320，LD3320將數(shù)據(jù)輸出至揚(yáng)聲器。

提前設(shè)置好MCU與對(duì)應(yīng)的控制模塊的控制引腳，則根據(jù)最終識(shí)別結(jié)果的號(hào)碼，控制相應(yīng)引腳的電平高低，再配合控制模塊達(dá)到控制家電的效果。

3.4 與上位機(jī)交互協(xié)議

與上位機(jī)交互協(xié)議幀格式如表1所示。

表1 協(xié)議幀格式

幀頭：0xe8(固定)，1個(gè)字節(jié)；

功能碼：0x01-0x05，1個(gè)字節(jié)；

數(shù)據(jù)長度域：由數(shù)據(jù)域字節(jié)數(shù)決定，2個(gè)字節(jié)；

數(shù)據(jù)域：存放要發(fā)送的數(shù)據(jù)，字節(jié)數(shù)不定；

CRC校驗(yàn)域：存放幀頭至數(shù)據(jù)域最后一個(gè)字節(jié)的16位CRC循環(huán)冗余校驗(yàn)碼，2個(gè)字節(jié)；

幀尾：0xe6(固定)，1個(gè)字節(jié)。

上位機(jī)與主控制器交互總共分5種功能：

1) 0x01：發(fā)送當(dāng)前語音文件在W25Q32DW中的起始、結(jié)束位置和識(shí)別關(guān)鍵詞。起始位置和結(jié)束位置分別占4個(gè)字節(jié)，關(guān)鍵詞所占字節(jié)根據(jù)操作者輸入的關(guān)鍵詞個(gè)數(shù)來定。

2)0x02：發(fā)送當(dāng)前語音文件的數(shù)據(jù)，最多一次放入64個(gè)字節(jié)。

3)0x03：發(fā)送配置信息(麥克風(fēng)增益、靈敏度以及揚(yáng)聲器音量)。這3種配置信息各占1個(gè)字節(jié)。

4)0x04：發(fā)送寫入初始化信息和語音文件個(gè)數(shù)，清除W25Q32DW的前2個(gè)扇區(qū)。語音文件個(gè)數(shù)占1個(gè)字節(jié)。

5)0x05：發(fā)送寫入完成信息，告知主控制器寫入完成。

主控制器根據(jù)上位機(jī)發(fā)來的幀不同，做出不同相應(yīng)，并應(yīng)答上位機(jī)。在交互過程中，為了保護(hù)程序的魯棒性和數(shù)據(jù)傳輸?shù)耐暾?，是不允許系統(tǒng)進(jìn)行語音識(shí)別的，在交互完畢后，主控制器收到寫入完成的命令幀時(shí)，才開啟語音識(shí)別模式。

3.5 上位機(jī)軟件

上位機(jī)軟件將操作者需要設(shè)置的數(shù)據(jù)信息經(jīng)過協(xié)議幀打包并通過串口發(fā)送至主控制器，主控制器根據(jù)操作情況和過程，實(shí)時(shí)響應(yīng)上位機(jī)，上位機(jī)對(duì)所接收的數(shù)據(jù)做分析、處理、顯示、以及將寫入過程實(shí)時(shí)反映在界面上。軟件的人機(jī)交互界面友好，具有智能語音控制系統(tǒng)的所需功能，有很好的易用性。圖4為上位機(jī)軟件的主界面。

圖4 上位機(jī)軟件界面

4 實(shí)驗(yàn)結(jié)果與分析

直接觸發(fā)模式(一直處于識(shí)別狀態(tài))不適合在喧鬧的環(huán)境運(yùn)用，包括周圍有幾個(gè)人在對(duì)話?？诹钣|發(fā)模式(第一步操作者說出口令，待正確識(shí)別口令后，第二步操作者說出操作指令，識(shí)別成功后直接執(zhí)行具體操作)，整體實(shí)現(xiàn)效果比直接觸發(fā)模式好很多，誤識(shí)別率很低，穩(wěn)定性好。

最終麥克風(fēng)增益、麥克風(fēng)靈敏度調(diào)整為21和18，識(shí)別距

離在0～5 m，語音正確識(shí)別率很高。

5 結(jié)束語

設(shè)計(jì)并實(shí)現(xiàn)了智能語音控制系統(tǒng)，功能較完善，可實(shí)現(xiàn)語音識(shí)別，人機(jī)語音交互，智能控制家電開關(guān)。上位機(jī)軟件的設(shè)計(jì)，很好的解決了外部存儲(chǔ)器數(shù)據(jù)修改困難的問題，并配合主控制器，使數(shù)據(jù)傳輸更加快捷、穩(wěn)定和可靠，方便了操作者調(diào)試、修改和使用，提高了操作者的體驗(yàn)感，從長期測(cè)試和使用情況上看，該系統(tǒng)運(yùn)行穩(wěn)定，適合應(yīng)用在智能家居[11]行業(yè)中，并有很廣泛的應(yīng)用價(jià)值和前景。

[1] 洪家平.LD3320的嵌入式語音識(shí)別系統(tǒng)的應(yīng)用[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用, 2012, 2:48-49.

[2] 馬曉莉.紅外熱感應(yīng)智能型節(jié)能插座的設(shè)計(jì)與制作[J].價(jià)值工程, 2015, 28:156-157

[3] 張 珉,張俊鈺. 基于51單片機(jī)的壓力蒸汽滅菌器控制器的研制[J].醫(yī)療衛(wèi)生裝備, 2013, 34(5):3-4.

[4] 陸二磊,杜永文. 基于LPC1114的迷宮機(jī)器人的設(shè)計(jì)與實(shí)現(xiàn)[J].廣西民族大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 18(4):53-54.

[5] 楊 峰,胡 彬,羅青青. STC單片機(jī)AD轉(zhuǎn)換及EEPROM使用[J].數(shù)字技術(shù)與應(yīng)用, 2011, 9:169-170.

[6] 劉耀文,寧 媛. 基于LD3320芯片的聲電密碼門設(shè)計(jì)[J].現(xiàn)代機(jī)械, 2013, 4:55-56.

[7] 鄭文靜,李明強(qiáng),舒繼武. Flash存儲(chǔ)技術(shù)[J].半導(dǎo)體技術(shù), 2010, 47(4):717-718.

[8] 田 茂,鮮于李可,潘永才.SPI模式下SD卡驅(qū)動(dòng)的設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù), 2009, 14:195-196.

[9] 汪永好,周延森. 基于嵌入式Linux的MP3播放器的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì), 2009, 30(17):3948-3949.

[10] 劉 巖,華斯亮,王東輝,侯朝煥. 一種用于駐極體麥克風(fēng)的CT_SC Σ-Δ調(diào)制器[J]. 微電子學(xué), 2009, 39(2):150-151.

[11] 劉芮辰,李樹江,劉 帥. 基于IIC和云服務(wù)器的智能家居控制系統(tǒng)設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制,2017，24(3):98-100.