基于SPCE061A語音識別門禁系統實現的研究

摘要：本文提出了一種基于凌陽科技SPCE系列16位單片機智能語音識別門禁系統實現方法。實現了基于SPCE061A的語音信號采集與分析處理：語音特征提取與識別算法。測試表明本方法成功實現了基于SPCE061A的小詞匯量、特定人的智能語音識別門禁系統，達到了較高的識別率和較低的拒識率。

關鍵字：語音識別；特征提?。籗PCE061A；智能門禁

中圖分類號：TN957文獻標識碼：A

0引言

人體生物特征識別技術可以以人體諸多生物特征作為識別樣本，如指紋、虹膜、人臉和耳廓等，指紋識別雖然具有很高的識別率，但其會受到指紋破損、指紋復制等非法手段的干擾；虹膜識別性能高，但由于虹膜樣本采集設備非常昂貴而使其在實際應用中受到限制；人臉和耳廓識別屬于被動識別的技術范疇，需要用戶的良好配合方可達到較高的識別率。而本成果采用語音樣本作為生物識別技術中的對象，憑借著自身獨特的方便性、信號采集設備的經濟性、準確性和良好的可擴展性等特點，并日益成為人們日常生活和工作中重要且普及的安全驗證方式。

本文提出了采用性價比高的凌陽科技SPCE061A-16位SoC芯片為核心，通過增添少量外圍元件即可搭建一個功能相對完善的智能語音識別門禁系統，具有成本低、便攜性高等獨特優勢，不失為一種安全有效的門禁系統解決方案。

1系統硬件設計

圖1所示為本文提出的智能語音識別門禁系統框圖，由微處理器、MIC輸入模塊、存儲器擴展模塊（FLASH和SRAM）、門控機構、輔助門控機構及其他功能模塊組成。其中，微處理器是整個門禁系統的核心，完成語音信號的分析處理，包括聲紋特征提取、語音識別比對及識別后處理；MIC輸入模塊完成語音信號的采集

圖1 語音識別門禁系統結構框圖

與信號轉換；存儲器擴展模塊用于存儲語音特征模板庫，供系統運行時的比對所需參照模板。

1.1SPCE061A片上系統芯片

SPCE061A 是凌陽科技推出的一款16位結構的微控制器，該款微控制器在存儲器資源方面考慮到用戶的較少資源的需求以及便于程序調

圖2 SPCE061A內部結構

試等功能，SPCE061A里內嵌32K字的閃存FLASH ROM。較高的處理速度使u`nSPTM能夠非常容易地、快速地處理復雜的數字信號。因此，以u`nSPTM為核心的SPCE061A微控制器也適用在數字語音識別應用領域[1-3]。

SPCE061A具有適應于數字語音識別的獨特優勢：內置可編程音頻處理電路，使得該款微處理器非常適合于數字音頻處理領域；2個10位DAC通道，使得應用于數字音頻處理時只需外接少量元件即可完成相對完善的語音信號分析處理系統；采用凌陽音頻編碼方式SACM_S 240（可達2.4K位/秒），最多可容納210秒的音頻數據；處理器工作電壓為2.6~3.6V，這樣對系統電源供給的要求就大大降低；系統處于備用狀態下時，對于功率的消耗只有7.6uW，使得系統可以應用于便攜式設備——智能語音識別門禁系統。

SPCE061A是整個語音識別門禁系統的核心部件，語音信號特征的提取、語音識別算法的計算密集型的任務都由SPCE061A完成。此外，它還承擔將MIC輸入模塊輸入的模擬語音信號進行模數轉換后得到數字音頻信號，以及將經過音頻處理后的數字語音信號經過數模轉換后送外置功放經揚聲器輸出。SPCE061A內部集成了64K的Flash ROM（16bit）和4K的SRAM（16bit）。

1.2MIC輸入模塊

MIC輸入模塊如圖3所示，負責拾取用戶 圖3 MIC輸入模塊

的語音信號，并將其轉換為電信號，以差分方式（MICP/MICN）輸入SPCE061A單片機MICP

和MICN引腳。此外，外接少量元件和SPCE061A內部電路構成預加重和自動增益控制。

1.3門控機構

門控機構（含機械）如圖4所示，接受SPCE061A的控制，屬于本項目設計的智能語音識別門禁系統的執行機構。它接收來自SPCE061A微處理器根據語音識別結果發出的門鎖控制信號，從而啟動相關的控制電路執行開鎖和閉鎖的動作。

圖4 門控機構

1.4功放和揚聲器

用于對經SPCE061A處理后的語音信號進行功率放大，經揚聲器播放。

圖5 功放與揚聲器電路

2系統軟件設計

智能語音識別門禁系統的軟件總體流程如圖6所示，系統工作流程本質上是一種多維模式識別過程，主要有信號預處理、特征提取、語音模板特征庫、模式匹配、后處理等幾個環節。首先是預處理，主要包括模/數轉換、預加重、自動增益控制等處理過程，實現語音信號的數字化；然后對經過預處理后的語音信號進行特征提取，形成特征矢量；模式匹配將輸入參數的特征矢量同長時間訓練得到的語音模型庫進行比較

圖6 語音識別算法流程

分析，從而得到初步結果，目前使用最廣泛的識別方法是統計模式識別法；后處理是為了提高識別正確率，提高系統的性能。圖中對識別精度影響最大的是聲紋特征提取和模板匹配（識別）兩個環節。

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文