基于輪式機器人平臺的語音識別系統

任麗莉，丁 浩，康 冰，閆冬梅

(1.長春師范大學網絡中心，吉林長春 130032；2.吉林大學通信工程學院，吉林長春 130022；3.吉林大學大數據和網絡管理中心，吉林長春 130012)

語音識別技術改變了人與計算機的互動模式。人們只需動動口，就能打開或關閉程序，改變工作界面。這種使電腦人性化的結果是使人的雙手得到解放，使每個人都能操作和應用計算機。這種變化不僅體現在計算機行業還體現在其它方面，比如電話手機、導航控制、檢索文件、控制儀器等。語音識別技術涉及很多領域的知識，語音識別技術與其他學科的科學技術相結合，可以構建出更加復雜的系統。隨著技術的發展，語音識別系統應用于機器人領域成為必然趨勢[1-3]。語音識別系統具有很強的專業性，有很強大的市場潛力。無論是目前還是未來，研制出識別能力強、識別語種多的語音識別系統，并將其應用于機器人領域，對提高作業安全性、生產快捷性、操作簡單性都有積極意義，在服務型機器人和家庭型機器人應用方面更是有不可替代的作用。用戶可以通過語音識別交互系統直接控制機器人，省去了非語音識別機器人的復雜操作流程。像敬老院、醫院等場所可以通過安裝有語言識別系統的機器人完成老人、病人的無人化照顧，具有一定的現實意義。

1 語音識別原理

從根本上講，語音識別系統是一種特別的模式識別系統，由三個基本結構單元組成，分別是參考模板庫、特征提取和模式匹配，基本結構如圖1所示。

用戶通過語音輸入裝置輸入語音，將輸入語音轉換為電信號，并添加到語音識別系統的輸入端口。首先對信號進行預處理。由特定算法提取出能夠有效地表現語音特征的特征參數，以區別不同的語音命令。然后將提取的特征參數與模板庫中以同一方法在訓練階段保存的其它語音的特征參數進行匹配，利用搜索匹配法進行匹配比較之后將最佳結果作為識別結果，將識別結果輸出或存儲到其它操作中[4-5]。

2 系統整體設計

本系統設計更傾向于程序算法的設計，加之簡單的組件添加。程序設計是在VC++6.0的MFC下進行編程實現的，在設計過程中，硬件方面要求有一個帶有Windows操作系統的輪式機器人、一個裝有VC++6.0的Windows PC、一個電源、一個麥克風裝置等。在MFC平臺中使用微軟語音SDK 5.1開發語音識別的主要步驟如下：下載安裝完程序后，首先配置VC環境，然后在編程前添加相應的頭文件，再進行程序編寫。其中，編程部分可分為文字轉語音(語音輸出)和語音識別兩部分。

2.1 文字轉語音

文字轉語音步驟如下：

(1)導入所需的語音頭文件。

(2)文字轉語音函數的設置。在這里調用CBodyBasics∶∶MSSSpeak(LPCTSTR speakContent)函數即可將需要輸出的文字轉為語音，speakContent為LPCTSTR型的字符串。

(3)在進行輸入輸出設置之前要用ISpVoice*pVoice=NULL指令進行com初始化，并檢測是否成功給予反饋。

(4)獲取SpVoice接口，之后進行語音輸出音量的設置，pVoice->SetVolume((USHORT)100)指令設置語音輸出的音量，其有效范圍是0至100，再用pVoice->SetRate(2)指令設置輸出語音的速度，其有效范圍是-10至10。

(5)利用pSpeech->Speak(L"……")指令輸出所需語音，“……”為輸出內容。語音輸出功能整體代碼設置完畢后釋放com資源。至此文字轉語音編程設置完畢。

2.2 語音轉文字

語音轉文字步驟如下：

(1)首先設置工程屬性。在VC中打開屬性選項，打開配置屬性，點擊C/C++預處理器，點擊預處理器定義，勾選_WIN32_DCOM選項。若不如此設置編譯將無法通過。

(2)導入所需頭文件，語音頭文件庫、語音識別頭文件、要用的CString頭文件等。

(3)在程序的.h頭文件中定義變量，添加入頭文件后還需對頭文件中的變量進行定義，否則在運行時會出現錯誤。需要定義的變量有：語音識別引擎(recognition)的接口、識別引擎上下文(context)的接口、識別文法(grammar)的接口、流()的接口、語音特征的(token)接口、音頻(Audio)的接口(用來保存原來默認的輸入流)。

(4)進行語音識別初始化函數創建。在創建之前與語音輸出部分相同要進行com接口初始化，并檢測是否成功加以反饋。微軟語音識別開發包提供了兩種模式：一種是共享模式(Share)；另一種是獨享模式(InProc)。一般情況下選用共享模式，大型的服務程序使用獨立模式。本系統使用共享模式(Share)。具體的編程設置如下：利用hr=m_cpRecoEngine.CoCreateInstance(CLSID_SpSharedRecognizer)指令來創建共享模式，執行完創建指令后要進行檢測，檢查識別引擎是否創建成功。成功后進行以下操作：首先創建識別上下文接口，再設置識別消息，隨后設置我們感興趣的事件，即需要識別的事件。要進行語音識別需要在工程中添加需要的語音，也就需要創建語法規則C&C命令式，此時語法文件使用xml格式，具體在(6)中介紹。創建語法規則后要加載語法才能使用，在進行識別前,首先要激活語音識別函數，之后再進行識別，在主體程序設置完畢后釋放com資源。至此語音識別部分編程設置完畢。

(5)定義消息處理函數。消息處理函數需要和上文所述的其他代碼放在一起。根據本文上述部分進行編程，在其后添加修改消息反應模塊即可實現所需功能。先參照前文進行語音識別部分的編程設置，當輸入語音后系統進行識別，取出識別結果等待消息反應模塊做出反應。在消息處理函數中利用識別結果進行進一步操作，如當機器人識別出語音“機器人”后給出“你好”的回應，在工程中通過Recstring=="機器人"指令保存識別出的語音，隨后通過pSpeech->Speak(L"你好！");指令回應，實現語音識別、語音輸出的交互。

(6)修改語法文件。對Strkeyword.xml文件進行修改，可以增添刪減關鍵詞，使某些特殊詞匯的識別度提高，使其識別效果變得更好，像名字、專有名詞等。

通過以上方法進行語音識別編程，整體編程實現方法如圖2和圖3所示。在硬件上只需在機器人上連接麥克風。

3 設計結果

在MFC平臺運行完成程序加載后，形成相應的可執行文件即應用軟件。啟動應用軟件后(啟動后圖標狀態如圖4所示)，機器人會進入語音識別狀態，用戶通過麥克風輸入語音指令，系統對接收到的語音信號進行識別并提取相應的特征參數，如果與程序中設定目標語音的特征參數一致，那么就可以將其作為最終的識別結果，語音識別結果會暫時被保存，在機器人執行周期執行函數時使用，作為條件對機器人行動進行控制。

經過設計可實現如下功能：點擊啟動圖標，屏幕顯示“開始聆聽”即可進行語音識別。機器人發出“準備飲料獲取演示”聲音，輸入“機器人”，回應“你好，請問需要飲料嗎”，輸入“是的”，回答“好的，我將為你取回飲料”，之后機器人開始行動。圖5所示為輪式機器人。

如果要進行其他語音識別設置，可進行如下操作：

(1)語音識別。語音識別的關鍵詞文件放置在工程的Grammar子目錄下，根據需要對里面的關鍵詞進行自由增減，在微軟官方網站可以找到相關語法規則。語音識別到的關鍵詞，最后會以字符串變量的形式被傳遞到CRobotEvent∶∶SR_KeyWord()回調函數中。

(2)語音輸出。在類CRobotEvent中，可隨時通過pSpeech指針調用CSpeech類的Speak()函數接口將文字轉換成語音播放出來。

(3)接口函數進行語音輸出，函數為pSpeech->Speak(CString inStr)，其中參數inStr為字符串類型，指代內容為需要進行語音輸出的語句。