|
語音識別技術以語言為研究對象，涉及生理學、語言學、計算機及信號處理等多個領域，是語言信號處理的一個重要研究方向，在智能控制、多媒體、人機對話等方面有著極其廣泛的應用前景。 1 語音識別技術 語音識別技術首先要提取語音特征參量，也就是從語言信號中提取語音識別的有用信息。語音特征參量的提取要考慮單詞選定位置的基音、鼻輔音的頻譜、元音的頻譜、擦音的頻譜等要素。語音識別技術也必須有模式匹配及模型訓練技術，其中主要包括動態時間規整技術、HMM模型和人工神經網絡。時間規整是把一個單詞內的時變特征變為一致的過程，在時間規整過程中，作為單詞的時間軸要不均勻的扭曲或彎曲，使其行征為模型特征對正，該技術是一種有力的矯正措施，對提高系統的識別精度極為有效。人工神經網絡是一個自適應非線性動力學系統，模擬人體大腦活動的基本原理，具有學習、技藝、判斷、對比和概括等能力。另外，語音識別單元的選取也是語音識別的重要一步，語言識別單元有單詞、音節和音素。對于漢語而言，主要選取音節單元，因為漢語是單音節結構的語言，而英語是多音節的語言，漢語約有400個音節，數量相對較少，便于識別。 2 AP7003型語音識別電路 AP7003是一款低成本語音識別專用集成電路，內置麥克風放大器、A/D轉換器、語音處理器和I/O控制器，經預處理后可識別12組不同的字詞，每組1.5s時長，可連詞或單詞識別。可廣泛應用于玩具、識別轉控和自動答錄等領域。 AP7003的功能框圖如圖1所示。表1給出AP7003的引腳功能。 表1 AP7003的引腳功能 AP7003的主要特征如下： ·內置麥克風放大器 ·內置A/D轉換器 ·采用DIP40雙列直插式封裝 ·能識別12組1.5s時長字詞 ·I/O：2個普通輸入，4個觸發輸入，2個輸出口分別有4個、12個輸出，2個LED驅動 AP7003具有二種工作模式，即錄音模式和識別模式，在進入識別模式之前，應先將目標詞錄入電路內。在AP7003內有12個存貯體用于存貯12組不同的字句，每個存貯體可存貯1.5s時長的字句，可通過鍵盤或按程序編制的順序選擇存貯體來錄入及存放目標詞。語音可通過外部麥克風或其他媒體錄入電路內，經內部處理后以不同的數字特征信號保存在存貯體中。 目標詞錄入電路內后即可將工作模式轉換到識別模式，工作時電路將當前語音與事先錄入存貯體的目標詞語音相比較，如果語音特征相匹配，則在電路的相應輸出端輸出高電平或低電平。 3 聲控機器人設計 語音識別電路廣泛應用在智能控制中，把這種電路應用在智能機器人設計中，使機器人初步具有與人對話的能力，且機器人的操作具有普遍性，極大地提高了操作者的興趣，圖2是機器人電路的主要原理框圖。 圖2中按鍵的定義如表2所示。上電后12個存貯器在錄入目標詞之前必須清空，開始錄入目標詞時使LED1有效，錄入后電路將進入識別模式。 表2 按鍵的定義 如果由麥克風錄入的單詞與存儲器原有單詞相匹配，對應的POA輸出口有效，并驅動斷電器器，電機運動。在本設計中，機器人主要有“前進”（J1）、“后退”（J2）、“左轉”（J3）、“右轉”（J4）、“舉起”（J5）、“放下”（J6）、“停止” 等幾種動作。其中，“停止”定義為clearOutput，其他依次定義為POA3、POA4、POA5、POA6、POA7和POA8。以“前進” （J1）和“后退”（J2）為例，如圖3所示。 當“停止”時，清除POA所有狀態，機器人停止。 當然，語音識別電路對外部麥克風（MIC）的分貝值有一定的要求，經驗表明在本語音識別電路中選用56dB的麥克風較好。另外，AP7003的工作電壓為 2.4～4.5V，如果您的應用系統是5V工作電壓，那么，通過一個二極管給AP7003供電，可以保證系統能長期穩定、可靠的工作，也有利于降低系統功耗。 4 結束語 在實際應用的過程中，麥克風的分貝值、Set R_Level匹配度的設置對于語音識別的效果影響較大。如果這二個參數設置合理，該電路可具有較高的識別率，一般可達80%以上，不失為一種效好的語音識別電路。 |
