導(dǎo)讀: 論文給出一種基于嵌入式系統(tǒng)的語音口令識別系統(tǒng)的設(shè)計方案，該系統(tǒng)的硬件電路由嵌入式微處理器和音頻處理等主要芯片組成，采用Windows CE操作系統(tǒng)，語音口令識別算法為連續(xù)隱馬爾可夫模型。語音口令識別技術(shù)可以通過嵌入式系統(tǒng)來實現(xiàn)，并且應(yīng)用到許多需要使用口令控制的便攜式設(shè)備中。
　　隨著微電子技術(shù)的迅速發(fā)展，嵌入式系統(tǒng)在一些特定的專用設(shè)備上得到了廣泛應(yīng)用，通常這些設(shè)備的硬件資源（如處理器的運(yùn)行速度、存儲器的容量等）非常有限，并且對成本也有苛刻的要求，有時對實時響應(yīng)要求也比較高，在數(shù)字信號處理芯片上已經(jīng)實現(xiàn)了語音口令識別系統(tǒng)或語音口令識別系統(tǒng)的部分功能。語音口令識別技術(shù)與嵌入式系統(tǒng)的有效結(jié)合能夠顯示出其優(yōu)勢作用，但是也有很多有待進(jìn)一步提高和改進(jìn)之處，語音識別技術(shù)對運(yùn)算速度和內(nèi)存容量的要求都比較高，需要采用一些快速算法提高實時處理的性能。嵌入式微處理器的價格在不斷下降，但是其性能卻在不斷上升，嵌入式系統(tǒng)目前已經(jīng)廣泛地應(yīng)用于運(yùn)算量比較大的系統(tǒng)和設(shè)備中，而其體積小和低功耗的特點使其能夠發(fā)揮出更大的優(yōu)勢。
　　論文給出一種基于嵌入式系統(tǒng)的語音口令識別系統(tǒng)的設(shè)計方案，硬件系統(tǒng)的核心芯片是嵌入式微處理器，語音口令識別算法采用連續(xù)隱馬爾可夫模型，現(xiàn)有的非特定人語音口令識別系統(tǒng)中，多采用狀態(tài)輸出具有連續(xù)概率分布的連續(xù)隱馬爾可夫模型CDHMM（Continuous DensityHidden Markov Model）［3］。操作系統(tǒng)則是采用的目前廣泛使用的Windows CE 5.0。
　　硬件電路的核心芯片是三星公司的嵌入式微處理器S3C2440AL，主頻為400MHz。該微處理器具有低功耗、高性能等特點，廣泛應(yīng)用于便攜式設(shè)備中�；�于嵌入式系統(tǒng)的語音口令識別系統(tǒng)需要有接收語音信號的輸入芯片配合麥克風(fēng)實現(xiàn)將模擬語音信號轉(zhuǎn)換成數(shù)字信號的功能，然后由嵌入式微處理器對輸入的語音口令信號進(jìn)行處理。完成語音口令信號輸入功能的芯片采用的是PHILIPS公司的低功耗芯片UDA1341TS。操作系統(tǒng)采用的是Windows CE5.0。Windows CE 5.0是一個32位操作系統(tǒng)，具有模塊化、結(jié)構(gòu)化，能夠支持超過1000個公共Microsoft Win32應(yīng)用程序接口，并且與處理器無關(guān)等特點，為各種嵌入式系統(tǒng)和產(chǎn)品設(shè)計提供了一種可裁剪的、高效的、可升級的操作系統(tǒng)。
1.系統(tǒng)設(shè)計
　　1.1 硬件電路的設(shè)計
　　論文給出的語音口令識別系統(tǒng)的硬件電路主要由嵌入式微處理器、存儲器和語音口令輸入芯片組成。核心芯片是嵌入式微處理器Samsung 32位S3C2440AL，其主頻為400MHz，最高頻率533MHz。64MB SDRAM，64MB的NAND FLASH存儲器，用來存儲操作系統(tǒng)文件等，2MB的NOR FLASH存儲，為安裝BIOS使用。
　　S3C2440AL控制PHILIPS公司的UDA 1341TS完成輸入語音口令信號的功能。該音頻處理芯片由AD/DA轉(zhuǎn)換、控制邏輯電路、可編程增益放大器（PGA）和數(shù)字自動增益控制器（AGC）以及數(shù)字信號處理器等部分組成，能進(jìn)行數(shù)字語音處理。
　　對于一個基于嵌入式系統(tǒng)的語音口令識別系統(tǒng)，主要有以下幾個要求：
　�。�1）完成語音口令識別功能時，需要系統(tǒng)對人所發(fā)出的語音口令做出快速的響應(yīng)，然后給出相應(yīng)的判斷結(jié)果。
　�。�2）自動獲得語音信號。語音口令識別系統(tǒng)一直處于隨時接受語音口令的工作狀態(tài)，無需人工操作就能將人的語音命令與環(huán)境噪聲分離出來，舍棄靜音信號和環(huán)境噪聲信號部分，僅僅對有效的語音口令信號做處理和識別。
　�。�3）需要有足夠的存儲器容量存儲操作系統(tǒng)文件和訓(xùn)練好的語音口令模型庫以及存儲大量數(shù)據(jù)的數(shù)據(jù)緩沖區(qū)。
　　論文給出的語音口令識別系統(tǒng)選擇高性價比的嵌入式微處理器S3C2440AL和64MB隨機(jī)存儲器和64MB的閃存來滿足計算速度和數(shù)據(jù)緩存的要求。
　　1.2 軟件程序的設(shè)計
　　選擇Windows CE 5.0為語音口令識別系統(tǒng)的操作系統(tǒng)，Windows CE 5.0是一個多任務(wù)操作系統(tǒng)。開發(fā)工具主要有Platform. Builder 5.0和EVC++4.0。Platform. Builder5.0用于定制和開發(fā)內(nèi)核，而EVC++4.0則用來編寫基于操作系統(tǒng)的應(yīng)用層程序，也就是算法執(zhí)行程序與圖形化界面，而圖形化的界面使用MFC編寫。
　　由于語音口令識別系統(tǒng)算法的運(yùn)算量比較大，所以為了能夠加快運(yùn)算速度，首先對Windows CE 5.0操作系統(tǒng)進(jìn)行配置，需要將相應(yīng)的板級支持包BSP（Board SupportPackage）導(dǎo)入到Platform. Builder 5.0，裁剪掉一些使用不到的資源，保留一些需要的資源，驅(qū)動的配置正確后，將配置好的操作系統(tǒng)內(nèi)核裝入到嵌入式平臺中，然后進(jìn)行應(yīng)用程序的開發(fā)。
　　語音口令識別系統(tǒng)分為訓(xùn)練和識別兩個過程。訓(xùn)練時，語音口令信號首先經(jīng)過預(yù)處理，然后提取語音特征參數(shù)，采用MFCC（Mel-Frequency Ceptral Coefficients）參數(shù)［4］，然后建立此口令的連續(xù)隱馬爾可夫（CDHMM）模型，把所有經(jīng)過訓(xùn)練的語音口令的模型放在模型庫中。
　　在識別階段，與訓(xùn)練時提取語音口令信號的特征參數(shù)一樣，也要提取MFCC特征參數(shù)，然后與保存在語音口令模型庫中的每一條語音口令模型相匹配，根據(jù)概率*分確定輸出識別結(jié)果。語音口令識別系統(tǒng)的程序流程圖如圖1所示。
　　

OFweek電子工程網(wǎng)