1、服務(wù)機(jī)器人中嵌入式語(yǔ)音識(shí)別交互系統(tǒng)的研究前 言隨著現(xiàn)代科技和計(jì)算機(jī)技術(shù)的不斷發(fā)展，人們?cè)谂c機(jī)器的信息交流中，需要一種更加方便、自然的方式，而語(yǔ)言是人類最重要、最有效的信息源。另外實(shí)現(xiàn)人機(jī)之間語(yǔ)音交互，讓機(jī)器“聽(tīng)懂”人的話也是人們夢(mèng)寐以求的事情。隨著語(yǔ)音識(shí)別技術(shù)的出現(xiàn)，使得這一理想得以實(shí)現(xiàn)。特別是在智能服務(wù)機(jī)器人系統(tǒng)中，基于語(yǔ)音識(shí)別的人機(jī)交互是最為直接的交互手段。近年來(lái)，隨著智能化小產(chǎn)品和消費(fèi)類電子產(chǎn)品的迅速發(fā)展，語(yǔ)音識(shí)別系統(tǒng)大量從PC平臺(tái)轉(zhuǎn)移到嵌入式設(shè)備中，嵌入式語(yǔ)音識(shí)別技術(shù)得到越來(lái)越多的應(yīng)用。語(yǔ)音識(shí)別技術(shù)的應(yīng)用語(yǔ)音識(shí)別的基本原理嵌入式語(yǔ)音識(shí)別交互系統(tǒng)硬件設(shè)計(jì)嵌入式語(yǔ)音識(shí)別交互系統(tǒng)軟件設(shè)計(jì)目

2、錄目前，語(yǔ)音識(shí)別技術(shù)應(yīng)用最廣泛的就是在家電方面的應(yīng)用。此外在通訊、自動(dòng)控制和各種智能機(jī)器人等方面都有著越來(lái)越廣泛的應(yīng)用。語(yǔ)音識(shí)別技術(shù)的應(yīng)用語(yǔ)音識(shí)別技術(shù)的應(yīng)用該機(jī)器人具有語(yǔ)音識(shí)別及語(yǔ)音合成功能，可自由對(duì)話及講解、背誦唐詩(shī)、演唱歌曲、跳舞等。游客通過(guò)語(yǔ)音識(shí)別系統(tǒng)可以和機(jī)器人進(jìn)行簡(jiǎn)單的對(duì)話。該種機(jī)器人可應(yīng)用于科技館、商店和旅游場(chǎng)所進(jìn)行導(dǎo)游服務(wù)。1海爾哈工大機(jī)器人技術(shù)公司研制的系列導(dǎo)游機(jī)器人語(yǔ)音識(shí)別技術(shù)的應(yīng)用東芝試制出家用機(jī)器人的概念模型。該概念模型利用語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)可以與人交談，利用圖像識(shí)別技術(shù)可以識(shí)別事先注冊(cè)的人。該產(chǎn)品通過(guò)語(yǔ)音識(shí)別功能可以根據(jù)語(yǔ)音來(lái)指示其行動(dòng)。如果在遠(yuǎn)處召喚則可以確定聲音

3、發(fā)出的位置并且走過(guò)來(lái)。另外還可以利用語(yǔ)音合成功能發(fā)出聲音。3日本東芝家用機(jī)器人ApriAlpha語(yǔ)音識(shí)別技術(shù)的應(yīng)用本田公司在類人型機(jī)器人“ASIMO” 中新配備了語(yǔ)音識(shí)別技術(shù)，可以進(jìn)行簡(jiǎn)單的對(duì)話。比如，除了可以回答諸如“請(qǐng)問(wèn)你的出生年月日”、“為什么取名為ASIMO”、“很可愛(ài)喔”等50 種提問(wèn)以外，還可以按照“向右轉(zhuǎn)”、“鞠躬”、“揮動(dòng)雙手”等30 種命令做出相應(yīng)的動(dòng)作。4日本本田機(jī)器人ASIMO一個(gè)語(yǔ)音識(shí)別系統(tǒng)主要包括訓(xùn)練和識(shí)別兩個(gè)階段。在訓(xùn)練階段，用戶輸入若干次訓(xùn)練語(yǔ)音，系統(tǒng)經(jīng)過(guò)上述預(yù)處理和特征提取后得到特征矢量參數(shù)，然后通過(guò)特征建模建立訓(xùn)練語(yǔ)音的參考模型庫(kù)。在識(shí)別階段，將輸入語(yǔ)音的特征

4、矢量參數(shù)和參考模型庫(kù)中的參考模型進(jìn)行相似性度量比較，將相似性最高的輸入特征矢量作為識(shí)別結(jié)果輸出。語(yǔ)音識(shí)別的基本原理語(yǔ)音識(shí)別的基本原理語(yǔ)音識(shí)別原理框圖嵌入式語(yǔ)音識(shí)別交互系統(tǒng)硬件設(shè)計(jì)嵌入式語(yǔ)音識(shí)別交互系統(tǒng)硬件設(shè)計(jì)系統(tǒng)硬件結(jié)構(gòu)框圖多通道語(yǔ)音輸入模塊采用模擬加法器來(lái)實(shí)現(xiàn)。將經(jīng)由多個(gè)麥克輸入的模擬語(yǔ)音信號(hào)進(jìn)行疊加，然后求其均值，便可獲得一路輸出語(yǔ)音信號(hào)。輸入語(yǔ)音經(jīng)MIC 后轉(zhuǎn)化為電信號(hào)，一般在音頻信號(hào)處理過(guò)程中，前端都會(huì)混入50Hz 的交流電源噪聲，所以前端采用濾波電路進(jìn)行預(yù)濾波。輸出語(yǔ)音資源事先經(jīng)壓縮編碼后存入單片機(jī)內(nèi)存中，語(yǔ)音交互時(shí)經(jīng)D/A 轉(zhuǎn)換后經(jīng)由SPY0030（語(yǔ)音集成放大器）由喇叭輸出。通訊

5、部分包括32 位I/O 接口和通用異步串行接口（UART），可以實(shí)現(xiàn)與控制板之間的通訊，實(shí)現(xiàn)對(duì)機(jī)器人的語(yǔ)音控制。嵌入式語(yǔ)音識(shí)別交互系統(tǒng)軟件設(shè)計(jì)語(yǔ)音識(shí)別交互主函數(shù)流程圖語(yǔ)音識(shí)別前先要對(duì)系統(tǒng)進(jìn)行語(yǔ)音訓(xùn)練，將訓(xùn)練語(yǔ)音的參考模板存儲(chǔ)于芯片內(nèi)，以供識(shí)別時(shí)與輸入語(yǔ)音信號(hào)特征模型進(jìn)行匹配識(shí)別。系統(tǒng)主函數(shù)的具體流程是：訓(xùn)練完成后系統(tǒng)便會(huì)進(jìn)入等待狀態(tài)，等待主控板發(fā)出開(kāi)始語(yǔ)音識(shí)別的觸發(fā)指令，在收到指令前系統(tǒng)是不進(jìn)行語(yǔ)音識(shí)別交互過(guò)程的。收到主控板發(fā)出的開(kāi)始語(yǔ)音識(shí)別交互的指令后，系統(tǒng)便進(jìn)入了語(yǔ)音識(shí)別交互狀態(tài)。初始化識(shí)別器后系統(tǒng)就會(huì)等待用戶的語(yǔ)音命令了。用戶發(fā)出語(yǔ)音命令，系統(tǒng)識(shí)別后便會(huì)根據(jù)所識(shí)別語(yǔ)音命令的種類做出相應(yīng)的動(dòng)作，當(dāng)系統(tǒng)沒(méi)有識(shí)別出語(yǔ)音命令，便會(huì)根據(jù)不同的情況（環(huán)境太