基于波束賦形技術與V290pub語音模塊的新型降噪語音識別系統

霍彥明 姜峰 馮怡林 李爭

摘? 要： 隨著科技的發展，以人機交互模型為基礎的語音識別系統正逐步融入于人們的生活當中，但是追溯之前的研究，語音識別在降噪處理方面仍存在一些不足。為了設計一種對環境噪聲適應性強，能夠無偏差地進行智能人機交互的系統，提出一種使用特殊抗噪處理的麥克風和基于波束賦形技術與V290pub語音模塊的新型降噪語音識別系統。利用新型數字信號處理IC"BU8332KV?M"的波束賦形技術結合V290pub內置的抗噪聲濾波器來實現在語音識別過程中的降噪處理。以STC89C52單片機為主控MCU，針對家電設備的實際需求來完成最終系統設計。實驗結果表明，在嘈雜環境下新型降噪語音識別系統對比傳統語音識別系統有更高的語音識別精度，且具備拒絕錯誤識別的功能，適用于存在環境噪聲干擾的各種語音系統中。

關鍵詞： 降噪; 語音識別系統; 波束賦形技術; V290pub語音模塊; 系統設計; 實驗分析

中圖分類號： TN912?34? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）10?0046?05

Novel denoising speech recognition system based on beam forming technology and V290pub speech module

HUO Yanming， JIANG Feng， FENG Yilin， LI Zheng

（School of Electrical Engineering， Hebei University of Science and Technology， Shijiazhuang 050018， China）

Abstract： With the development of science and technology， the speech recognition system based on human?computer interaction model is gradually integrated into people′s lives. However， the speech recognition still has some shortcomings in noise reduction processing when looking back at pervious researches. In order to design a system that has strong adaptability to environmental noise and can carry out intelligent human?computer interaction without deviation， a microphone with special anti?noise processing and a novel denoising speech recognition system based on beam forming technology and V290pub speech module are proposed. The beam forming technology of the new digital signal processing IC "BU8332KV?M" is combined with the build?in anti?noise filter of V290pub to realize the reduction processing in the process of speech recognition. The STC89C52 MCU is used as the main control MCU to complete the final system design according to the actual needs of home appliances. The experimental results that the novel denoising speech recognition system has higher speech recognition accuracy than that of the traditional speech recognition system in noisy environment， and has the function of rejecting the error recognition， which is suitable for various speech systems working in environmental noise interference.

Keywords： noise reduction; speech recognition system; beam forming technology; V290pub speech module; system design; experimental analysis

0? 引? 言

近年來，將語音控制應用于生活的方方面面的研究熱度持續升溫，運用語音識別技術的設備具有更方便、快捷、靈活的優點[1]。語音交互智能系統不光要有相對穩定的識別性能，在不同的環境中也要能保持良好的工作狀態。因此，能否很好地完成噪聲環境中語音的正確識別就成為衡量一個語音識別系統質量高低的標準。所以在進行語音識別之前先對語音進行降噪處理就顯得尤為重要，能夠增強語音識別系統的穩定性并且提高正確識別率[2]。

本文對麥克風進行了特殊的抗噪處理，以數字信號處理IC"BU8332KV?M"作為進行語音識別之前的降噪處理核心芯片，利用兩個無指向性的麥克風形成敏銳的指向性，即波束賦形技術來提高語音品質實現清晰語音[3]。選用V290pub語音模塊替代常用的LD3320，因為V290pub本身也具備降噪功能，而這一點是LD3320所不具備的，并且在其他識別技術方面V290pub較LD3320也都有所提高。可以說BU8332KV?M與V290pub的結合是處理語音識別環境噪聲的雙保險。

1? 波束賦形技術

波束賦形是一種使用傳感器陣列定向發送和接收信號的信號處理技術。波束賦形技術通過調整相位陣列基本單元的參數，使得某些角度的信號獲得相長干涉，而另一些角度的信號獲得相消干涉，進而提高接收端的信噪比，有效抑制邊緣干擾[4]。

本文所涉及的波束賦形技術利用的是由兩個麥克風產生的相位差來降低目標方向以外的語音，降低環境噪聲，提高目標聲源的清晰度。波束賦形技術之所以能形成指向性是因為其將指向軸轉向了聲源的方向，進而有效降低了環境的噪聲。通過優化處理，運行波束賦形功能時延遲時間可以控制在10 ms以內，并且最大限度地減小對其他電路的影響。使用兩個無指向性的麥克風形成波束賦形技術的BU8332KV?M的工作原理圖如圖1所示。

通過實驗檢測，如圖2所示，在環境噪聲等級為65 dB SPL的環境下語音識別率從0%提高到了50%;在環境噪聲等級為55 dB SPL的環境下語音識別率從10%提高到了90%;當語音識別率已經達到一定的水準之后想要繼續提升是很困難的，但應用此芯片后在環境噪聲等級為45 dB SPL的環境下語音識別率還能從80%提升到95%。由此可見，其對于噪聲條件下的語音識別率提升作用顯著。

2? V290pub語音識別模塊

傳統的語音識別系統為：拼音串+51單片機+LD3320，但這其中存在諸多缺陷，例如識別指令少、識別距離短、沒有誤識別功能以及特定人識別功能，其中最為嚴重的缺陷便是抗噪能力差，因此就需要在此傳統系統的基礎上做出改進，選擇V290pub替代LD3320就是重要改進之一。V290pub使用了最新的語音識別芯片技術，內置降噪模塊和識別打分模塊（用于提供錯誤拒絕識別功能），V290pub不僅具備離線識別功能，而且還能通過Uart送出語音流，方便上傳到云端服務器進行識別，從而實現在線識別，同時降低“誤識別”與“誤觸發”兩類錯誤。

V290pub較LD3320的升級：

1） 內部增加抗噪聲濾波器，更靈敏

配合芯片內部的識別靈敏度寄存器和錄音增益寄存器，可以在嘈雜現場工作，也可以在安靜的環境中提供8 m的有效識別距離。使得原來需要提高音量才能讓LD3320芯片有識別效果的情況，在完成芯片替換后說話者只需要以正常的音量就可以完成語音識別[5]。

2） 識別打分功能，防止誤觸發

V290Pub對每次的識別結果都進行了打分，最高為100分，這個分數可以理解為識別匹配的程度。當識別結果為90分時，說明比識別結果為60分時要發音更準確。用戶可以使用這個分數來設定有效值區間，只有識別分數在有效值區間內的識別結果才能作為有效的識別結果，從而有效地避免了誤觸發。

3） “垃圾詞語”吸收噪聲

V290Pub支持通過串口修改命令詞，方便隨時修改識別列表并在識別列表中設計一些“垃圾詞語”用來吸收噪聲，有效地降低誤識別率。“垃圾詞語”是指比如某個應用場景中需要識別的關鍵詞語是4條：“向前”“向后”“開門”“關門”。在把這4個關鍵詞語設置好后可以再另外設置一些“垃圾詞語”，比如“前門”“后門”“前后”“開關”等。只有識別結果是4個關鍵詞語之內的才被認為識別有效，如果識別結果是“垃圾詞語”，則說明是其他聲音導致的誤識別，識別模塊不予響應。

4） 錄音功能

V290Pub提供了錄音功能，可以在執行VSR進行識別的同時，把現場的聲音上傳到云端服務器進行輔助識別。

5） 內部循環識別

一次識別初始化設置后V290pub語音模塊會不停地進行內部VAD檢測，并在聲音停頓的地方給出一次識別結果。不需要每次都送入識別列表，以及把寄存器設置的一次最長識別時間的限制設置為無限長。

3? 系統設計

3.1? 系統硬件設計

系統由硬件和軟件兩部分構成，硬件部分又可分為語音處理部分與語音識別部分。考慮到系統組件對成本、體積以及集成度的要求，本系統采用的處理單元是STC89C52單片機及其外圍電路。整個系統由語音輸入模塊（麥克風）、語音處理模塊、語音識別模塊、主控模塊（單片機）、語音播報模塊（喇叭）、控制模塊（繼電器）以及電源模塊構成[6]。

3.1.1? 語音處理部分

此部分主要由BU8332KV?M與V290pub內置的抗噪聲濾波器組成，配合特殊化抗噪處理麥克風使用。抗噪麥克風的特殊之處在于其與硬件緊密地連接從而減少回聲干擾，麥克風內部的聲音采集元件不與硬體部分發生直接接觸，而是通過能吸收聲音能量的海綿孔將其包裹。BU8332KV?M為了提升語音品質，采用能形成敏銳指向性的波束賦形技術，使兩個無指向性的麥克風形成指向性，并且通過噪聲抑制功能降低指向軸方向上殘留的固定噪聲，此方法與只刪除噪聲的方法不同，可以進一步加強聲源。V290pub內置的抗噪聲濾波器更為靈敏，包含低通濾波器和二階的陷波濾波器，低通濾波器主要為了過濾噪聲，而采用陷波濾波器在特定的頻率成分處增加相位超前來抵消低通濾波器的相位延遲，從而保證系統的穩定性。而且抗噪聲濾波器以微小的體積集成在V290pub當中，不會對模塊中其他電路產生負面影響。通過兩步優化降噪處理，將完成降噪后的語音輸入到V290pub的語音識別芯片中。語音處理系統原理框圖如圖3所示。

3.1.2? 語音識別部分

該部分由V290pub、主控MCU及其外圍電路組成，主要負責對接收到的語音信號進行識別并輸出識別的結果。V290pub兼顧特定人與非特定人語音識別技術，它不需要外接任何輔助的FLASH和RAM，也不需要用戶提前進行訓練和錄音，就能實現語音識別功能。可以根據實際場景需要，隨時編輯和更新關鍵詞語的內容，并且其關鍵詞列表是可以動態編輯的。外接的E2PROM里可以放防止誤識別的“垃圾詞語”內容，用來幫助語音芯片降低錯誤識別率。同時，V290pub內置的識別打分模塊對每次的識別結果都提供了一個分數，也能夠有效降低錯誤識別率[7?8]。圖4為語音識別系統原理框圖。

3.2? 系統電路設計

硬件平臺的主控MCU選擇的是STC89C52，根據芯片內部的邏輯結構，以及STC89C52的引腳功能，下面給出了STC89C52控制V290pub的電路連接圖。圖5所示為STC89C52的電路連接圖，圖6所示為V290pub的電路連接圖。

圖5、圖6中，P0.0～P0.7連接的是V290pub的相關引腳，P3.6和P3.7主要是對V290pub進行讀寫處理，P1.6連接了E2PROM的串行時鐘的輸入（SCL），P1.7連接了E2PROM的串行數據的輸入和輸出（SDA）。LED是通過單片機的P1.5引腳進行控制的，根據改變引腳的高低電平來控制LED的亮滅。當一次識別結束后，引腳輸出高電平，燈滅;下次識別結束后引腳輸出低電平，燈亮。用這種交替的亮滅過程來提示語音識別過程的結束與否[9]。

根據STC89C52的引腳連接可對應V290pub的引腳連接。在系統的設計中，將“垃圾詞語”存儲在E2PROM里，圖7所示為24C02的電路連接圖。

3.3? 系統軟件設計

本系統的軟件采用模塊化進行編程，分別由主控制器程序、語音識別程序、語音播報程序等組成。系統啟動后，程序初始化，開始循環檢測，當檢測到相關指令時，執行相關指令所對應的操作。假設外圍設備為智能風扇，當使用者說出“打開智能風扇”時，系統控制風扇打開，同時語音播報回復“智能風扇已經打開”[10]。系統軟件設計的主要程序流程圖如圖8所示。

4? 實驗分析

本文所設計的語音識別系統主要針對的是抗噪處理，為了更好地檢測系統抗噪功能的實現和語音指令識別效果，實驗采用普通家庭的家中客廳作為實驗場地，以客廳的電視大約60 dB的音量播放電視劇為背景，測試過程中選擇多個不同音色的人在此環境下分別進行傳統語音識別系統與新型降噪語音識別系統的實驗。觀察非特定人群在兩種系統下的識別效果，每個語音指令測試50次，對每個語音指令的識別成功率進行統計。

表1、表2分別為傳統語音識別系統與新型降噪語音識別系統的部分非特定人語音指令識別結果，表中數據表示實驗50次的成功次數。

由表1、表2的對比可知，傳統語音識別系統的非特定人語音指令正確識別率在37%左右，而本文所設計的新型降噪語音識別系統對于非特定人語音指令的識別準確率接近95%，誤識別率減小到了5%左右。從目前的測試情況看，系統性能和功能相對穩定，控制效果較好，具備響應速度快、準確率高、實用性強的優點。

兩種不同的語音識別系統下對多條語音指令處理后的波形如圖9、圖10所示。

5? 結? 語

將語音識別應用在嘈雜環境中的識別成功率問題一直是語音信號處理領域的研究熱點和難點，本文針對現有語音識別系統抗噪能力不足的問題，提出采用特殊抗噪處理的MIC，采用BU8332KV?M信號處理IC結合V290pub語音識別模塊實現良好的降噪處理，完成在嘈雜環境中的語音識別并最終達到語音控制終端設備的目的。文中給出了系統各模塊的軟硬件設計，硬件模塊選型合理，程序功能設計完善，系統識別率高，穩定性好，方便集成。測試結果表明，本系統能實現嘈雜環境中的語音識別，識別成功率在95%左右，達到了良好的語音控制效果，可以替代傳統的開關及遙控器。因此，拓寬語音識別技術的應用范圍對改善人們的生活有著深遠的意義。

參考文獻

[1] 劉幺和，宋庭新.語音識別與控制應用技術[M].北京：科學出版社，2008.

[2] 王群，曾慶寧，謝先明，等.低信噪比環境下的語音識別方法研究[J].聲學技術，2017，36（1）：50?56.

[3] 潘麗杰，徐本亮，朱琪，等.基于雙麥克風降噪技術的語音識別系統[J].現代電子技術，2016，39（2）：137?139.

[4] 王力，何丙發，孫慶鋒.一種陣列天線快速波束賦形方法[J].現代雷達，2016，38（8）：70?74.

[5] YE Z M， MOHAMADIAN H. Application of modern control theory on performance analysis of generalized notch filters [C]// International Conference on Modern Circuits & Systems Technologies. Thessaloniki： IEEE， 2016： 17?21.

[6] 傅大梅，盛彬.語音識別無線開關控制裝置的設計[J].現代電子技術，2017，40（14）：33?35.

[7] MITTAL Y， TOSHNIWAL P， SHARMA S， et al. A voice?controlled multi?functional smart home automation system [C]// 2015 Annual IEEE India Conference. New Delh： IEEE， 2016： 31?35.

[8] 付蔚，唐鵬光，李倩.智能家居語音控制系統的設計[J].自動化儀表，2014，35（1）：46?50.

[9] 涂樸.基于STC89C52的公交智能報站系統設計[J].現代電子技術，2015，38（9）：104?105.

[10] 何侃，田亞清，李強，等.基于LD3320的語音識別智能垃圾桶設計[J].國外電子測量技術，2015，34（6）：85?88.