語音識別技術在智能家居中的應用

王愛蕓

摘要：研究實用的智能家居語音識別系統(tǒng)，對于智能家居的發(fā)展具有重要意義。通過分析嵌入式語音識別技術以及智能家居控制技術，以NL6621板為平臺，VS1003為音頻解碼芯片錄制語音。并利用隱馬爾可夫（HMM）算法進行語音模型訓練和語音匹配，實現(xiàn)智能家居語音控制系統(tǒng)。實驗證明此語音控制系統(tǒng)具有較高的識別率和實時性。

關鍵詞：嵌入式系統(tǒng)；語音識別；隱馬爾可夫；智能家居

中圖分類號：TP316.9

文獻標識碼：A

DOI：10.3969/j.issn.1003-6970.2015.07.021

0 引言

隨著計算機的發(fā)展，智能家居在近幾年也得到了大家的重視，智能家居利用各種通信、網(wǎng)絡技術實現(xiàn)家居設備集成，為用戶提供了更加舒適高效的環(huán)境。近幾年人們對智能家居的便利程度提出了更高的要求，同時語音識別技術也進一步的發(fā)展，但是語音在智能家居中的應用還是相對較少，一般還要依靠遙控、手機等中控設備。語言是信息交流的重要手段，語音識別可以用聲音來控制設備完成一些特定的命令，減少用戶如手機，遙控等中控設備的依賴，使生活更加方便。

本文通過對語音識別技術與嵌入式控制技術的研究，用語音命令實現(xiàn)直接管控從而可以取代以往利用手機或者遙控方式來控制的方法，方便操作而又能提高效率。本系統(tǒng)基于NL6621板與語音芯片VS1003實現(xiàn)語音采集，并采用當今語音識別領域的主流技術一一隱馬爾科夫模型（Hidden Markov Model，HMM）算法實現(xiàn)對人語音命令的識別主要是進行模型訓練和匹配。實驗證明在多個語音樣本對系統(tǒng)的訓練識別下，系統(tǒng)在非特定人、孤立詞語識別上具有良好的效果。

1 語音識別與智能家居

1.1 語音識別技術

語音識別技術本質(zhì)上是一種模式匹配識別的過程，是機器通過識別和理解過程把語音信號轉(zhuǎn)變成相應的文本文件或命令的技術。根據(jù)模式匹配過程語音識別系統(tǒng)可以如下圖表示。語音識別系統(tǒng)可以分為：特定人和非特定人的識別、獨立詞和連續(xù)詞的識別等，無論哪種識別系統(tǒng)識別過程都主要包括了語音信號預處理、特征提取、訓練等。分別通過對信號的預處理分析和計算建立模板，當對語音進行識別時，需要將輸入的語音與系統(tǒng)中存放的語音進行比較從而得到識別結(jié)果。

1.2 語音識別算法

人的言語過程是一個雙重隨機過程。因為語音信號本身是一個可觀察的序列，而它又是由大腦里的不可觀察的、根據(jù)言語需要和語法知識狀態(tài)選擇所發(fā)出的音素（詞、句）的參數(shù)流，大量實驗表明，隱馬爾可夫模型（HMM）的確可以非常精確地描述語音信號的產(chǎn)生過程。隱馬爾可夫模型是對語音信號的時間序列結(jié)構建立統(tǒng)計模型，將之看作一個數(shù)學上的雙重隨機過程，采用HMM進行語音識別，實質(zhì)上是一種概率運算，根據(jù)訓練集數(shù)據(jù)計算得出模型參數(shù)后，測試集數(shù)據(jù)只需分別計算各模型的條件概率（Viterbi算法），取此概率最大者即為識別結(jié)果。一階離散馬爾可夫模型可表示為：有N個狀態(tài)，Sl，S2... SN，存在一個離散的時間序列t=0，t=1…在每個時刻t，系統(tǒng)只能處于唯一一個狀態(tài)qt，下一個時刻所處的狀態(tài)是隨機出現(xiàn)的，當前狀態(tài)qt只與前面相鄰的一個狀態(tài)qt-l有關， 與其他狀態(tài)無關，用表達式

HMM語音識別的一般過程：

1.前向后向算法計算

已知觀測序列 和模型 ，如何有效的計算在給定模型條件下產(chǎn)生觀測序列O的概率

2.Baum-Welch算法求出最優(yōu)解 ：

（1）初始化

（2）迭代計算

（3）最后計算

3.Viterbi算法解出最佳狀態(tài)轉(zhuǎn)移序列：

已知觀測序列 和模型 ，如何選擇在某種意義上最佳的狀態(tài)序列。

（1）初始化

（2）迭代計算：

4.根據(jù)最佳狀態(tài)序列對應的九給出候選音節(jié)或聲韻母

5.通過語言模型形成詞和句子

2 基于NL6621嵌入式硬件設計

語音識別的硬件平臺主要包括中央處理器NL6621，可讀寫存儲器，聲卡芯片vs1003以及一些外圍設備，硬件體系結(jié)構如圖2所示。

主系統(tǒng)使用新岸線公司的NL6621。MCU采用的最高主頻為160MHz，支持802.llb/g/n/i/e/p和Wi-Fidirect，BSS STA，軟AP，WiFi保護設置以及WMM-PS和WPA/WPA2安全協(xié)議。codec芯片是vs1003，它與核心控制器NL6621的數(shù)據(jù)通信是通過SPI總線方式進行的。它集成了麥克風輸入接口，音頻輸出接口，對話筒輸入或者線路輸入進行IMA ADPCM編碼，能有效的接受和播放音頻信息。

硬件電路實現(xiàn)：VS1003通過xCS、xDCS引腳的置高或低來確認是哪一個接口處于傳送狀態(tài)。通過串行命令接口（SCI）和串行數(shù)據(jù)接口（SDI）來接收NL6621的控制命令和數(shù)據(jù)，通過SCI HDAT1來獲取語音流；VS1003的功能控制，如初始化、軟復位、暫停、音量控制、播放時間的讀取等，均是通過SCI口寫入特定寄存器實現(xiàn)的。兩條SCI指令之間要通過DREQ引腳信號判斷上一次處理是否完成。

3 基于NL6621嵌入式軟件設計

軟件設計主要包括兩部分實現(xiàn)軟件控制嵌入式系統(tǒng)和基于HMM技術的語音識別算法編寫，基本的軟件架構如圖3所示。

針對嵌入式系統(tǒng)控制部分，包括硬件初始化以及采集音頻信號。主要是使用NL6621提供的軟件開發(fā)包，利用SDK編寫應用程序，包括硬件管腳初始化，波特率匹配，錄音文件配置，WiFi配置，錄音，音頻文件格式轉(zhuǎn)化、程序編寫完成后需要用燒寫工具進行燒寫。系統(tǒng)啟動后，先初始化硬件模塊。然后系統(tǒng)開始工作，通過語音輸入設備MIC采集語音，并通過聲卡VS1003輸入語音。當系統(tǒng)監(jiān)聽到語音輸入，開始語音識別，判斷識別是否正確，若正確，將命令發(fā)送給執(zhí)行設備，入耳不正確，給出相應

的錯誤提示，不執(zhí)行語音命令。判斷識別是否結(jié)束，如果結(jié)束則退出，否則繼續(xù)下一輪的識別。基于HMM技術的語音識別算法編寫，還包括了語音預處理，特征值提取和匹配識別的部分。主要的原理如圖4所示，輸入語音經(jīng)過預處理后，語音信號的特征被提取出來，首先在此基礎上建立所需的模板，這個建立模板的過程稱為訓練過程。根據(jù)語音識別整體模型，將輸入的語音信號特征與存在的語音模板（參考模式）進行比較，找出一系列最優(yōu)的與輸入的語音相匹配的模板。然后，根據(jù)此模板號的定義，通過查表就可以給出計算機的識別結(jié)果。采用HMM進行語音識別，實質(zhì)上是一種概率運算。根據(jù)訓練集數(shù)據(jù)計算得出模型參數(shù)后，測試集數(shù)據(jù)只需分別計算各模型的條件概率（Viterbi算法），取此概率最大者即為識別結(jié)果。除訓練時需運算量較大外，識別時的運算量僅有模式匹配法的幾分之一。

4 實驗與總結(jié)

將程序下載到NL6621平臺上運行，實時傳人語音，麥克風傳人16k采樣的ADPCM語音流，通過解碼算法轉(zhuǎn)換為PCM語音數(shù)據(jù)，然后再通過語音識別系統(tǒng)識別語音結(jié)果。實驗結(jié)果表明在普通的工作環(huán)境中進行錄音解析系統(tǒng)的識別率可達到90%以上，具有較好的識別精度和效率。本文設計了一個簡單嵌入式語音識別的平臺，并通過實驗驗證了其語音識別有效性及可行性。對智能家居中嵌入式語音控制開發(fā)具有一定的意義。我們?nèi)砸ㄟ^不斷研究，設計更加可靠方便的系統(tǒng)，從而使智能家居語音識別走向跟成熟的市場。