嵌入式英語語音識別控制系統(tǒng)研究

潘麗鵬

(咸陽師范學(xué)院 外國語學(xué)院， 陜西 咸陽 712000)

0 引言

隨著計算機(jī)與人工智能技術(shù)的快速發(fā)展，智能機(jī)械設(shè)備的應(yīng)用越來越廣泛，作為智能控制的關(guān)鍵技術(shù)之一，語音識別控制的能力直接決定機(jī)械設(shè)備的智能化程度[1-3]。本文提出并設(shè)計了一種嵌入式英語語音識別控制系統(tǒng)，采用隱馬爾可夫模型進(jìn)行英語語音的識別，選取WTV180芯片對語音信號進(jìn)行處理。該系統(tǒng)英語語音識別度高，控制能力強(qiáng)，適于在智能控制領(lǐng)域推廣應(yīng)用。

1 語音識別算法

1.1 算法數(shù)學(xué)模型

與語音識別算法所對應(yīng)的數(shù)學(xué)模型由輻射、激勵和聲道三個部分組成。其具體結(jié)構(gòu)如圖1所示。

圖1 語音識別算法的數(shù)學(xué)模型結(jié)構(gòu)

其中，激勵部分的G(z)為聲門脈沖信號；聲道部分的V(z)為聲道傳輸函數(shù)；輻射部分的R(z)為輻射阻抗；A為調(diào)節(jié)系數(shù)，用以調(diào)整函數(shù)能量或幅值。該模型的核心功能是確定對語音信號進(jìn)行轉(zhuǎn)換處理時所需的輸出函數(shù)H(z)，如式(1)。

H(z)=A·G(z)V(z)R(z)

(1)

1.2 算法預(yù)處理

將人類發(fā)音的模擬信號轉(zhuǎn)換為可用于通信傳輸?shù)臄?shù)字信號，需要對其基于倍頻程衰減完成離散化的預(yù)處理，從而使高頻信號更加突出，易于分辨，簡化分析信號參數(shù)的程序，通常基于一階數(shù)字濾波器進(jìn)行離散化處理，如式(2)。

H(z)=1-uz-1

(2)

式中，u為離散系數(shù)且u∈[0，1]。假定x(n)為某時間節(jié)點(diǎn)n對應(yīng)的數(shù)值，那么經(jīng)過預(yù)處理可得式(3)。

y(n)=x(n)-kx(n-1)

(3)

式中，k為根據(jù)高頻信號值取值的系數(shù)，這里取k=0.95。

1.3 特征提取

系統(tǒng)語音識別結(jié)果的精度取決于算法能夠準(zhǔn)確實(shí)現(xiàn)語音特征的提取。本文選取MFCC(梅爾倒譜系數(shù))方法進(jìn)行語音信號頻域特征提取。其提取過程如圖2所示。

圖2 基于MFCC方法的頻域特征提取過程

1.4 HMM語音識別算法

在現(xiàn)有的多種語音識別算法中，HMM(隱馬爾可夫模型)算法由于具有出色的過程狀態(tài)預(yù)測能力而被廣泛認(rèn)可，因此本文采用該算法實(shí)現(xiàn)系統(tǒng)的語音識別功能。

假定S1，S2，…,Sn為模型中的一組狀態(tài)量，與時間節(jié)點(diǎn)n對應(yīng)的唯一模型狀態(tài)為x(n)。n=0時，起點(diǎn)概率矢量π的表達(dá)式為式(4)。

πi=P{x0=Si} (i=1，2，…，n)

(4)

后續(xù)各時間節(jié)點(diǎn)對應(yīng)的狀態(tài)值僅與其前一個時間點(diǎn)的狀態(tài)值xn-1相關(guān)，由此可得到轉(zhuǎn)移概率矩陣A={ai，j}，可表示為式(5)。

ai,j=p{xn=Sj|xn-1=Si}

(5)

除起點(diǎn)外，剩余所有時間點(diǎn)的狀態(tài)都是隱藏的，所以僅可計算出單個時間點(diǎn)Rq所對應(yīng)的隨機(jī)監(jiān)測矢量Qn，其與Xn(Pn)的關(guān)系為式(6)。

Pxn=Si{On}=P{On|Si}

(6)

通過HMM算法，在提取語音信號特征時獲得了Qn，本文基于混合高斯分布對Qn進(jìn)行擬合，得式(7)。

(7)

式中，m為擬合階數(shù)值;Y為Qn的狀態(tài)值;Cm為加權(quán)系數(shù)。

HMM算法的第一步應(yīng)為創(chuàng)建英語語音詞表。假定一個包含V個英語詞匯的詞表，將模型系數(shù)λv分配每一個詞匯，則有式(8)。

λv=(Av,Bv,πv)

(8)

進(jìn)行語音識別時，應(yīng)首先提取監(jiān)測矢量O={o1，o2，…，oT},然后計算出模型系數(shù)λv的分配概率P(O|λ)。其中，v∈[1，V],最后得到具有最大似然概率的詞匯v*，也就是語音識別結(jié)果對應(yīng)的值，如式(9)。

(9)

2 系統(tǒng)硬件部分設(shè)計

嵌入式英語語音識別控制系統(tǒng)硬件部分的組成結(jié)構(gòu)如圖3所示。

圖3 系統(tǒng)硬件部分結(jié)構(gòu)

系統(tǒng)的核心處理器選用的是以Cortex-M3為內(nèi)核的STM32型處理器。這種芯片采用了Tail-chaining中斷的結(jié)構(gòu)形式，數(shù)據(jù)處理速度很高，同時，其所集成的Thumb-2指令集大幅提高了指令的執(zhí)行效率和芯片的運(yùn)行性能，在工控行業(yè)中應(yīng)用較為廣泛。同時，本文選取WTV180芯片用于英語語音的信號處理，其技術(shù)優(yōu)勢主要體現(xiàn)在以下幾點(diǎn)。(1) 在語音信號頻率為6 kHz的條件下，其最大識別長度可達(dá)340 s，內(nèi)型數(shù)量高且適用于多種環(huán)境；(2) 該芯片集成了DAC、優(yōu)化音質(zhì)算法與PSG語音合成器，能夠獲得較高的音質(zhì)。系統(tǒng)的語音識別電路如圖4所示。

圖4 系統(tǒng)語音識別電路原理圖

由SPK麥克風(fēng)進(jìn)行語音采集并將信號發(fā)送給WTV180芯片，在其中進(jìn)行語音信號轉(zhuǎn)換，輸出的信號利用DATA數(shù)據(jù)線發(fā)送至STM32嵌入式系統(tǒng)，由其按照語音信號的指令對智能機(jī)械設(shè)備進(jìn)行控制。

3 系統(tǒng)軟件部分設(shè)計

本系統(tǒng)的軟件部分基于模塊化的程序進(jìn)行智能機(jī)械設(shè)備的訓(xùn)練和詞匯存儲，訓(xùn)練過程中單個控制指令各均重復(fù)10次；訓(xùn)練完成后調(diào)用輸入接口函數(shù)請求系統(tǒng)語音識別模塊開始識別，再調(diào)用輸出接口函數(shù)提交識別結(jié)果；主程序分析識別結(jié)果即指令內(nèi)容，通過控制模塊驅(qū)動智能機(jī)械設(shè)備執(zhí)行對應(yīng)的操作。系統(tǒng)語音識別控制的實(shí)現(xiàn)流程如圖5所示。

圖5 系統(tǒng)語音識別控制實(shí)現(xiàn)流程

語音識別控制系統(tǒng)的初始化是在接收到外界操作指令的時刻開始進(jìn)行的，在此之前系統(tǒng)一直處于待機(jī)狀態(tài)，目的是為了保證智能機(jī)械設(shè)備運(yùn)行的穩(wěn)定性與實(shí)時性。系統(tǒng)軟件部分的核心執(zhí)行代碼如下。

void CBodyBasics::MSSListen() //語音識別初始化函數(shù)

{

if (FAILED(::CoInitialize(NULL))) //初始化COM接口

MessageBox(NULL,(LPCWSTR)L"COM接口初始化失敗！"，(LPCWSTR)L"提示"，MB_ICONWARNING|MB_CANCELTRYCONTINUE|MB_DEFBUTTON2);

HRESULT hr=m_cpRecoEngine.CoCreateInstance(CLSID_SpSharedRecognizer);//創(chuàng)建Share型識別引擎

if (SUCCEEDED(hr))

{

hr=m_cpRecoEngine->CreateRecoContext(&m_cpRecoCtxt);//創(chuàng)建識別上下文接口

hr=m_cpRecoCtxt->SetNotifyWindowMessage(m_hWnd,WM_RECORD,0,0);//設(shè)置識別消息

const ULONGLONG ullInterest=SPFEI(SPEI_SOUND_START)|SPFEI(SPEI_SOUND_END)|SPFEI(SPEI_RECOGNITION);//設(shè)置我們感興趣的事件

hr=m_cpRecoCtxt->SetInterest(ullInterest,ullInterest);

hr=SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN,&m_cpAudio);

m_cpRecoEngine->SetInput(m_cpAudio,true);

ullGrammerID=1000;

hr=m_cpRecoCtxt->CreateGrammar(ullGrammerID,&m_cpCmdGrammar);

WCHAR wszXMLFile[20]=L"";//加載語法

MultiByteToWideChar(CP_ACP,0,(LPCSTR)"CmdCtrl.xml",-1,wszXMLFile,256);//ANSI轉(zhuǎn)UNINCODE

hr=m_cpCmdGrammar->LoadCmdFromFile(wszXMLFile,SPLO_DYNAMIC);

hr=m_cpCmdGrammar->SetRuleState(NULL,NULL,SPRS_ACTIVE);//C&C

hr=m_cpRecoEngine->SetRecoState(SPRST_ACTIVE);

}

else

{

MessageBox(NULL,(LPCWSTR)L"語音識別引擎啟動出錯！"，(LPCWSTR)L"警告"，MB_OK);

exit(0);

}

}

4 系統(tǒng)測試

為了驗(yàn)證本文所設(shè)計英語語音識別系統(tǒng)的實(shí)際性能，采用MATLAB軟件進(jìn)行仿真模擬實(shí)驗(yàn)，選取智能播種機(jī)作為實(shí)驗(yàn)用智能機(jī)械設(shè)備。按照系統(tǒng)功能，實(shí)驗(yàn)分為英語語音識別和智能播種機(jī)做控制兩個部分分別進(jìn)行。語音識別功能測試過程為：選取5條行動方向英文指令(run、left、right、backwards、stop)各重復(fù)發(fā)出20次，以驗(yàn)證系統(tǒng)英語語音識別準(zhǔn)確率。測試結(jié)果如圖6所示。

由圖6可見，系統(tǒng)對每條英語指令的識別準(zhǔn)確率都高于85%，且大多數(shù)達(dá)到90%以上，可見本文所設(shè)計的系統(tǒng)具有較高的識別準(zhǔn)確度。

圖6 語音識別功能測試結(jié)果

智能機(jī)械設(shè)備控制功能基于智能播種機(jī)的行進(jìn)途徑與指令的一致性進(jìn)行測試。測試結(jié)果如圖7所示。

圖7 系統(tǒng)控制功能測試結(jié)果

由圖7可見，測試過程中共向系統(tǒng)發(fā)出13次行動指令，智能播種機(jī)每次都能按照指令方向行進(jìn)并最終到達(dá)目的地。可見系統(tǒng)能夠?qū)崿F(xiàn)智能機(jī)械設(shè)備的高精度控制。

5 總結(jié)

語音識別控制是自動化技術(shù)發(fā)展的重要成果，已成為當(dāng)前智能機(jī)械設(shè)備研發(fā)的核心技術(shù)之一[4-5]。本文提出并設(shè)計的嵌入式語音識別控制系統(tǒng)，基于HMM算法實(shí)現(xiàn)了英語語音的識別功能，采用WTV180芯片進(jìn)行英語語音信號的處理，大幅提高了智能機(jī)械設(shè)備的語音識別和處理能力，對于人工智能相關(guān)技術(shù)的研究具有一定的參考價值。