0 引言
傳統的人機交互依靠複雜的鍵盤或按鈕來實現，隨著科技的發展，一些新型的人機交互方式也隨之誕生，帶給人們全新的體驗。基於語音識別的人機交互方式是目前熱門的技術之一。但是語音識別功能算法複雜、計算量大，一般在計算機上實現，即使是嵌入式方面，多數方案也需要運算能力強的 ARM 或 DSP，並且外擴 RAM、FLASH 等資源，增加了硬件成本，這些特點無疑限制了語音識別技術的應用，尤其是嵌入式領域。
本系統採用的主控 MCU為 Atmel 公司的 ATMEGA128，語音識別功能則採用 ICRoute 公司的單芯片 LD3320。LD3320 內部集成優化過的語音識別算法，無需外部 FLASH，RAM 資源，可以很好地完成非特定人的語音識別任務。
1 整體方案設計
1．1 語音識別原理
在計算機系統中，語音信號本身的不確定性、動態性和連續性是語音識別的難點。主流的語音識別技術是基於統計模式識別的基本理論，原理如圖 1 所示。
2．1 控制器電路
控制器選用 Atmel 公司生產的 ATMEGA128 芯片，採用先進的 RISC 結構，內置 128 KB FLASH，4 KB SRAM，4 KB E2PROM 等豐富資源。該芯片是業界高性能、低功耗的 8 位微處理器，並在 8 位單片機市場有著廣泛應用。
2．2 LD3320 語音識別電路
LD3320 芯片是一款“語音識別”專用芯片。該芯片集成了語音識別處理器和一些外部電路，包括 A／D、D／A 轉換器、麥克風接口、聲音輸出接口等，而且可以播放 MP3。不需要外接任何的輔助芯片如 FLASH，RAM 等，直接集成到產品中即可以實現語音識別、聲控、人機對話功能。
圖 3 為 LD3320 電路原理圖，與 MCU 通信採用 SPI 總線方式，時鐘不能超過 1．5MHz。
麥克風工作電路如圖 4 所示，音頻輸出只需將揚聲器連接到 SPOP 和 SPON 即可。使用 SPI 總線方式時，LD3320 的 MD 要設為高電平，SPIS 設為低電平。SPI 總線的引腳有 SDI，SDO，SDCK 以及 SCS。INTB 為中斷端口，當有識別結果或 MP3 數據不足時，會觸發中斷，通知 MCU 處理。RSTB 引腳是 LD3320 復位端，低電平有效。LED1，LED2 作為上電指示燈。
3 軟件系統設計
軟件設計主要有兩部分，分別為移植 LD3320 官方代碼和編寫語音識別應用程序。
3．1 移植 LD3320 源代碼
LD3320 源代碼是基於 51 單片機實現的，SPI 部分採用的是軟件模擬方式，但在播放 MP3 數據時會有停頓現象，原因是 51 單片機主頻較低，導致 SPI 速率很慢，不能及時更新 MP3 數據。移植到 ATMEGA128 需要修改底層寄存器讀寫函數、中斷函數等。底層驅動在 Reg_RW．c 文件中，首先在 Reg_RW．h 使用 HARD_PARA_PORT 宏定義，以支持硬件 SPI。然後在 Reg_RW．c 文件中找到 HARD_PARA_PORT 對應條件宏的代碼段，保留 AVR 的 SPI 接口代碼。
3．2 應用程序實現
在代碼中預先設定幾個單詞：“你好”，“播放音樂”，“打開”。當用戶說“播放音樂”時，MCU 控制 LD3320 播放一段音樂，如果是其他詞語，則在串口中打印識別結果，然後再次轉換到語音識別狀態。
3．2．1 MP3 播放代碼
LD3320 支持 MP3 數據播放，播放聲音的操作順序為：
通用初始化→MP3 播放用初始化→調節播放音量→開始播放。
將 MP3 數據順序放入數據寄存器，芯片播放完一定數量的數據時會發出中斷請求，在中斷函數中連續送入聲音數據，直到聲音數據結束。MP3 播放函數實現代碼如下：
由於 MCU 容量限制，選取測試的 MP3 文件不能太大。首先在計算機上將 MP3 文件的二進制數據轉為標準 C 數組格式文件，然後將該文件加入工程中。源代碼中 MP3 文件存儲在外擴的 SPI FLASH 中，工程中需要註釋和移除全部相關代碼。MP3 數據讀取函數是 LD_ReloadMp3Data，只需將讀取的 SPI FLASH 數據部分改成以數組數據讀取的方式即可。
3．2．2 語音識別程序
LD3320 語音識別芯片完成的操作順序為：通用初始化→ASR 初始化→添加關鍵詞→開啟語音識別。在源代碼中的 RunASR函數已經實現了上面的過程，直接調用即可開啟語音識別功能。
RunASR函數代碼如下：
用戶說完話後，LD3320 通過打分的方式，將關鍵詞列表中特徵最相似的一個作為輸出。然後 LD3320 會產生一箇中斷信號，此時 MCU 跳入中斷函數讀取 C5 寄存器的值，該值即為識別結果，得到結果後，用戶可以根據數值來實現一些功能，比如讀取到 1，說明是“播放音樂”，那麼可以調用前面的 PlaySound函數來播放音樂。
語音識別控制的關鍵點在於語音識別的準確率。表 1 給出了測試結果，當然也可以在識別列表中加入更多的關鍵詞來做測試。通過測試結果可以看出，LD3320 的識別率在 95％上，能夠滿足用戶需求。
4 結語
本文討論了基於 AVR 單片機的語音識別系統設計的可行性，並給出了設計方案。通過多次測試結果表明，本系統具有電路運行穩定，語音識別率高，成本低等優點。同時藉助於 LD3320 的 MP3 播放功能，該系統具有一定的交互性和娛樂性。移植性方面，系統通過簡單的修改，可以很方便地將 LD3320 驅動程序移植到各種嵌入式系統中。隨著人們對人工智能功能的需求，語音識別技術將越來越受到人們的關注，相信不久的將來，語音識別將會擁有更廣闊的應用。
閱讀更多 與非網 的文章
