某自行裝備車載語音交互系統(tǒng)設(shè)計

馬海峰，孫利峰，翟二寧，徐建鋒，李永鋒

(1.西北機(jī)電工程研究所，陜西 咸陽 712099；2.中國人民解放軍 66289部隊,河北 涿州 072750)

隨著人工智能技術(shù)的迅猛發(fā)展，國內(nèi)外針對人機(jī)交互技術(shù)的研究日益廣泛。從人機(jī)交互角度來看，改善信息輸入手段、減少人工操作時間，是提高信息系統(tǒng)效率的重要手段[1]。現(xiàn)役自行裝備內(nèi)僅能通過視頻、畫面等顯示方式使操作人員“看”到裝備狀態(tài)和外部指令等信息，對信息的處理和利用只能采用文字或圖形的方式。操作人員對信息的感知方式單一，缺少“聽”的感官方式，尤其在作戰(zhàn)時，操作人員精神高度集中，特別是在觀察PPI(Pixels Per Inch)畫面或戰(zhàn)斗畫面中的目標(biāo)時，容易忽略重要的狀態(tài)或顯示的指令信息，造成不期望出現(xiàn)的后果。開展自行裝備的語音交互技術(shù)研究，對于優(yōu)化裝備系統(tǒng)人機(jī)工效，提升整個系統(tǒng)的運(yùn)行效率，有著重要意義[2]。語音交互與其他交互技術(shù)有機(jī)結(jié)合是車載武器系統(tǒng)人機(jī)交互技術(shù)發(fā)展的重要方向，其應(yīng)用前景非常廣泛。

針對自行裝備信息感知技術(shù)的研究，通過增加播報功能，將重要信息通過語音方式進(jìn)行播報，解決車載裝備中人機(jī)交互方式單一問題，使操作人員能“看”到信息的同時可以“聽”到信息，豐富操作人員對信息的感知方式，進(jìn)而提高車載裝備的信息利用效率，在裝備運(yùn)用中具有一定的現(xiàn)實(shí)意義。基于上述背景及應(yīng)用需求，筆者設(shè)計了一款車載通用語音交互系統(tǒng)，實(shí)現(xiàn)了語音合成播報和多通道音頻管理功能。語音合成播報功能用于實(shí)時監(jiān)控、采集系統(tǒng)總線狀態(tài)、故障及警報等數(shù)據(jù)信息或接受上級指揮控制命令并通過語音合成進(jìn)行語音播報；多通道音頻管理功能用于多路模擬音頻輸入/輸出信號調(diào)理并完成各通道獨(dú)立音量控制、話音通道切換選擇等。

1 系統(tǒng)設(shè)計

1.1 組成

車載語音交互系統(tǒng)由語音播報器、PTT(Push To Talk)發(fā)控組合、揚(yáng)聲器、有源麥克風(fēng)組合等組成。語音播報器為核心設(shè)備，由主控板和音頻處理板等構(gòu)成，負(fù)責(zé)數(shù)據(jù)處理、語音合成、音頻信號處理、邏輯控制、接口管理等任務(wù)；PTT發(fā)控組合為電臺發(fā)控信號采集、隔離、輸入裝置；麥克風(fēng)組合為多路麥克風(fēng)音頻采集、疊加、輸入裝置；揚(yáng)聲器為音頻播放裝置。

語音交互系統(tǒng)組成如圖1所示。

1.2 原理設(shè)計

語音播報器通過數(shù)據(jù)接口模塊獲取空情、命令、狀態(tài)等信息；處理器模塊進(jìn)行數(shù)據(jù)分析及轉(zhuǎn)換，并將結(jié)果發(fā)送給語音合成模塊；語音合成模塊進(jìn)行語音合成并輸出模擬音頻信號。該音頻信號匯同2路電臺輸入音頻信號以及1路有線設(shè)備輸入音頻信號經(jīng)過獨(dú)立音量調(diào)節(jié)電路后，輸入模擬混音電路實(shí)現(xiàn)語音疊加。混合音頻信號經(jīng)功放電路進(jìn)行功率放大之后輸出給揚(yáng)聲器，最終通過揚(yáng)聲器播報信息。

麥克風(fēng)組合采集的模擬音頻信號經(jīng)過有源放大及語音疊加之后輸入音頻通道管理模塊，音頻多通道選擇電路在處理器模塊通道選擇邏輯控制下完成混合音頻信號三選一通道輸出，分別作為2路電臺或1路低速有線設(shè)備音頻輸入信號。最終在PTT發(fā)控組合控制下，電臺或有線設(shè)備發(fā)送輸入的音頻信號。

語音交互系統(tǒng)工作原理如圖2所示。

2 硬件設(shè)計與計算

語音播報器為語音交互系統(tǒng)核心，其硬件設(shè)計采用模塊化設(shè)計思想，主要包含處理器模塊、語音合成模塊、功率控制模塊、音頻通道管理模塊、接口模塊等。

處理器模塊核心芯片選用AM4379處理器，主頻高達(dá)1 GHz，集成2路CAN、2路千兆網(wǎng)口以及多路UART，適用于各種工業(yè)應(yīng)用現(xiàn)場。具有功耗低，接口豐富，處理能力強(qiáng)等優(yōu)勢，可滿足總體設(shè)計需求。

功率控制模塊包含音量調(diào)節(jié)和功率放大兩部分。音量調(diào)節(jié)通過微調(diào)音頻信號輸出功率來實(shí)現(xiàn)，功率放大電路為驅(qū)動揚(yáng)聲器提供足夠輸出功率。音量調(diào)節(jié)選用4通道專業(yè)、高端音頻系統(tǒng)音量控制器PGA4311，具有以0.5 db為步進(jìn)的-95.5～+31.5 db寬增益范圍。處理器模塊通過SPI(Serial Peripheral Interface)接口發(fā)送音量調(diào)節(jié)命令，4通道獨(dú)立控制，且支持靜音模式。功放器件選用TPA3106D1VFP高效D類BTL音頻功率放大器，最大輸出功率40 W,4種固定增益可通過2引腳進(jìn)行設(shè)置，且具有過熱、短路自恢復(fù)保護(hù)功能。該功率放大電路設(shè)計簡潔，轉(zhuǎn)換效率高達(dá)92%，無散熱裝置，體積小[3]。

語音疊加選用雙運(yùn)算放大器RC4580-Q1，具有低噪音、高增益帶寬、低諧波失真、高輸出電流特性，適合于音頻處理應(yīng)用。4路音頻輸入信號經(jīng)過1∶1反相加法運(yùn)算，再由跟隨電路輸出，提高驅(qū)動能力[4]。

2.1 濾波器設(shè)計

為了改善音頻信號質(zhì)量，提高語音辨識度，在語音疊加輸出端設(shè)計了8階30 kHz低通貝塞爾濾波器[5]，2階低通貝塞爾濾波器如圖3所示，將2階濾波器進(jìn)行簡單的串聯(lián)便構(gòu)成了8階低通貝塞爾濾波器。

貝塞爾濾波器通頻帶內(nèi)提供平坦的幅度和線性相位響應(yīng)，音頻信號失真小，但它的選擇性比同階的巴特沃斯或切比雪夫濾波器差，所以設(shè)計了高階濾波器，從而必須嚴(yán)格選擇放大器和元器件來達(dá)到最低的噪聲和失真度。

設(shè)計選用低噪聲高精度CMOS雙運(yùn)算放大器AD8656，1%公差的電阻器和5%公差的陶瓷電容器。在整個電路中使用低于1 kΩ的電阻器，可以降低熱噪聲影響。每個AD8656放大器在30 kHz帶寬內(nèi)帶來的噪聲低于3 nV/Hz，并且在30 kHz帶寬范圍內(nèi)總噪聲低于3.5 mVrms.對于1 Vrms輸入信號，電路產(chǎn)生的信噪比優(yōu)于109 dB，并且對于1 kHz、1 Vrms輸入信號，電路產(chǎn)生的THD+N(總諧波失真+噪聲)因子優(yōu)于0.006‰.

2.2 語音合成模塊設(shè)計

語音合成模塊選用XFS5152CE芯片，該芯片是高集成度的國產(chǎn)語音合成芯片，支持任意中文、英文文本的合成。采用GB2312、GBK、BIG5 和 UNICODE 4種編碼方式，每次合成的文本量最多可達(dá) 4K 字節(jié)。芯片對文本進(jìn)行分析，對常見的數(shù)字、號碼、時間、日期、度量衡符號等格式的文本，該芯片能夠根據(jù)內(nèi)置的文本匹配規(guī)則進(jìn)行正確的識別和處理；對一般多音字也可以依據(jù)其語境正確判斷讀法；另外針對同時有中文和英文的文本，可實(shí)現(xiàn)中英文混讀。

處理器模塊通過異步串口(UART)發(fā)送控制命令，可對XFS5152CE芯片進(jìn)行相應(yīng)的控制，當(dāng)XFS5152CE收到語音合成命令時，直接合成指令中包含的文本數(shù)據(jù)并播報輸出。XFS5152CE芯片外圍電路主要包括復(fù)位電路、時鐘電路，以及異步串口波特率、電源等配置電路。語音合成模塊電路框圖如圖4所示。

3 軟件設(shè)計

語音播報器軟件采用層次結(jié)構(gòu)化設(shè)計方法。定制的BSP程序完成Linux操作系統(tǒng)與硬件平臺的無縫聯(lián)結(jié)；API程序封裝應(yīng)用程序的I/O操作、DMA操作、中斷例程及OS調(diào)用[6]。

根據(jù)系統(tǒng)功能要求，應(yīng)用軟件包含6個功能模塊：CAN總線接收和解析模塊；串口數(shù)據(jù)接收和解析模塊；以太網(wǎng)數(shù)據(jù)接收和解析模塊；語音合成處理模塊；音量控制模塊；通道選擇邏輯模塊。工作流程如圖5所示。

上位機(jī)控制界面的開發(fā)基于VxWorks 系統(tǒng)風(fēng)河多媒體庫(WindML)和圖形開發(fā)工具Tilcon.作為一套微內(nèi)核、高可靠性、可裁剪的嵌入式實(shí)時操作系統(tǒng)，VxWorks具有友好的用戶開發(fā)環(huán)境、高性能內(nèi)核及良好的持續(xù)發(fā)展能力，可靠性高、實(shí)時性強(qiáng)；Tilcon是先進(jìn)的多平臺嵌入式實(shí)時操作系統(tǒng)圖形開發(fā)環(huán)境，其IDS集成開發(fā)環(huán)境，能夠在嵌入式實(shí)時操作系統(tǒng)下設(shè)計出運(yùn)行效率好、圖形質(zhì)量高的人機(jī)圖形用戶界面GUI[7].

語音播報器控制界面采用彈出式菜單設(shè)計，通過軟按鍵控制其彈出或隱藏。界面包括通道選擇和音量調(diào)節(jié)兩個控制區(qū)，通道選擇包含“電臺1”、“電臺2”及“有線”3個單選框，對應(yīng)3路音頻輸出通道選擇控制；音量控制按照全通道或各通道獨(dú)立調(diào)節(jié)方式設(shè)計，拖動按鈕完成相應(yīng)通道音量調(diào)節(jié)任務(wù)。語音播報器控制界面如圖6所示。

4 實(shí)裝驗證

4.1 試驗系統(tǒng)搭建

在某自行裝備上，將車載語音交互系統(tǒng)接入CAN/ETH系統(tǒng)總線，通過串口與綜合管理系統(tǒng)相連，電臺1、電臺2及有線話音設(shè)備通過音頻口接入語音播報器。試驗系統(tǒng)架構(gòu)如圖7所示。

該語音交互系統(tǒng)通過監(jiān)聽CAN/ETH系統(tǒng)總線數(shù)據(jù)，讀取裝備狀態(tài)、故障、警報等信息，進(jìn)而語音合成并播報；裝備綜合管理系統(tǒng)將情報、控制、位置和命令信息采用TXT文本的方式通過串口發(fā)送至語音交互系統(tǒng)，語音交互系統(tǒng)進(jìn)行語音合成并播報；通過綜合管理系統(tǒng)遠(yuǎn)程操控語音播報系統(tǒng)，包括音量調(diào)節(jié)、音頻通道選擇以及播報器狀態(tài)查詢等。

4.2 驗證結(jié)果

試驗過程中，模擬實(shí)際應(yīng)用場景，分別在CAN/ETH總線輸入各種狀態(tài)、故障、警報等數(shù)據(jù)信息；綜合管理系統(tǒng)模擬發(fā)送各種情報、指令及控制命令。測試語音交互系統(tǒng)語音播報功能清單如表1所示。

表1 語音播報功能清單

注：預(yù)置播報指令為1條/min，每條不超過15個漢字。

通過綜合管理系統(tǒng)部署語音播報器控制軟件，分別對通道選擇及音量調(diào)節(jié)控制進(jìn)行了100次反復(fù)測試，全部操作成功。

驗證結(jié)果表明該語音交互系統(tǒng)能夠通過系統(tǒng)總線及數(shù)據(jù)接口獲取信息，從而進(jìn)行語音合成并播報；能夠?qū)崿F(xiàn)遠(yuǎn)程音頻通道選擇及音量調(diào)節(jié)控制；麥克風(fēng)及發(fā)控組合可以通過電臺或有線設(shè)備對外通話，功能正常。通過該語音交互系統(tǒng)實(shí)裝使用，有效降低了重要作戰(zhàn)指令、狀態(tài)提示以及故障警報等信息錯漏的可能；且可以替代傳統(tǒng)車內(nèi)通話系統(tǒng)，操作簡單、便捷。

5 結(jié)束語

為提升某自行裝備人機(jī)交互效率，完善操作人員信息獲取方式，筆者設(shè)計了一款車載語音交互系統(tǒng)，首次實(shí)現(xiàn)自行裝備數(shù)字信息的語音播報服務(wù)；同時支持終端控制功能，可以實(shí)現(xiàn)遠(yuǎn)程音頻通道選擇及音量調(diào)節(jié)。實(shí)踐證明該語音交互系統(tǒng)結(jié)合傳統(tǒng)人機(jī)交互模式，完善了車載裝備人機(jī)交互功能，提高了操作人員對整個裝備系統(tǒng)狀態(tài)的掌控能力和信息的利用效率，對于人機(jī)功效的提升具有積極意義。該語音交互系統(tǒng)已在某自行裝備成功應(yīng)用，提升了整個武器系統(tǒng)的作戰(zhàn)效率。