現(xiàn)代電子技術(shù)的發(fā)展，使得越來(lái)越多的車載電器加入到汽車電子行列中，在改善汽車性能的同時(shí)，也增加了汽車駕駛操作的復(fù)雜度，給行車過(guò)程帶來(lái)了不安全隱患。隨著語(yǔ)音識(shí)別算法的改進(jìn)和新一代專用語(yǔ)音處理芯片的問(wèn)世，使得語(yǔ)音控制代替了手動(dòng)控制車載電器，從而減輕了駕駛員手動(dòng)操作負(fù)擔(dān)，大大提高了行車安全性。
    目前我國(guó)的車身電子語(yǔ)音控制主要集中在汽車導(dǎo)航系統(tǒng)的應(yīng)用上，語(yǔ)音識(shí)別技術(shù)在車身電子中的應(yīng)用沒(méi)有充分發(fā)揮。本文首次提出了一種以專用語(yǔ)音處理芯片UniSpeech-SDA80D51為核心組成的非特定人車載音響語(yǔ)音控制系統(tǒng)的設(shè)計(jì)方案，并實(shí)現(xiàn)了系統(tǒng)樣機(jī)的研制。
1 車載音響語(yǔ)音控制系統(tǒng)
    系統(tǒng)由語(yǔ)音采集、語(yǔ)音識(shí)別、控制驅(qū)動(dòng)和車載音響等模塊構(gòu)成，系統(tǒng)完成的主要功能是：語(yǔ)音采集模塊用于采集駕駛員發(fā)出的語(yǔ)音命令信號(hào)，由語(yǔ)音識(shí)別模塊實(shí)現(xiàn)信號(hào)的A/D轉(zhuǎn)換, 并對(duì)轉(zhuǎn)換的數(shù)字信號(hào)進(jìn)行語(yǔ)音識(shí)別處理，最終輸出與語(yǔ)音命令相對(duì)應(yīng)的詞條編碼信號(hào)，控制模塊對(duì)接收的詞條編碼信號(hào)進(jìn)行邏輯分析與處理并產(chǎn)生對(duì)應(yīng)的控制信號(hào)驅(qū)動(dòng)車載音響動(dòng)作，代替駕駛員的手動(dòng)操作。
1.1 語(yǔ)音識(shí)別模塊
    語(yǔ)音識(shí)別模塊主要由UniSpeech-SDA80D51芯片及外圍電路組成。
    SDA80D51是德國(guó)Infineon公司專為語(yǔ)音識(shí)別和語(yǔ)音處理應(yīng)用領(lǐng)域新推出的高集成度SoC專用芯片，其基本結(jié)構(gòu)如圖1所示。

    由圖1可知，SDA80D51片內(nèi)集成了直接雙訪問(wèn)快速SRAM、2路ADC和2路DAC、多種通信接口和通用GPIO等部件。SDA80D51工作方式以M8051為主控制芯片，主要完成系統(tǒng)配置和SPI、PWM、I2C、GPIO等接口的控制以及語(yǔ)音數(shù)據(jù)的傳輸工作； DSP核心OAK為協(xié)處理器，完成語(yǔ)音識(shí)別算法、語(yǔ)音編解碼算法等語(yǔ)音處理工作。
    非特定人語(yǔ)音信號(hào)由定向拾音器輸入，經(jīng)過(guò)SDA80D51內(nèi)部的數(shù)據(jù)采集模塊進(jìn)行A/D轉(zhuǎn)換，再經(jīng)過(guò)識(shí)別程序的預(yù)處理、端點(diǎn)檢測(cè)、特征參數(shù)提取、模板匹配等處理，選擇識(shí)別詞表中最接近的詞條序號(hào)作為識(shí)別結(jié)果，識(shí)別結(jié)果通過(guò)GPIO口輸出。
1.2 控制驅(qū)動(dòng)模塊
    控制驅(qū)動(dòng)模塊由MCU和模擬開(kāi)關(guān)及外圍電路構(gòu)成，模塊主要用來(lái)接收語(yǔ)音識(shí)別結(jié)果，并對(duì)詞條編碼信號(hào)進(jìn)行邏輯分析和處理，通過(guò)模擬開(kāi)關(guān)電路產(chǎn)生對(duì)應(yīng)功能的控制信號(hào)驅(qū)動(dòng)音響動(dòng)作。其中MCU選用美國(guó)ATMEL公司產(chǎn)品AT89S51，綜合AT89S51輸出I/O信號(hào)電壓特性和SL1102C1音響控制面板電阻式分流鍵盤電路的特點(diǎn)，確定使用繼電器模擬SL1102C1控制面板按鍵的閉合和斷開(kāi)動(dòng)作。AT89S51和繼電器模擬開(kāi)關(guān)電路原理圖如圖2所示。

1.3 音響模塊
    本設(shè)計(jì)是基于SL1102C1型汽車音響。SL1102C1是專門為中檔轎車設(shè)計(jì)的汽車音響，具有MP3播放、收音機(jī)和顯示時(shí)間等功能，目前大量使用在江淮同悅轎車上。SL1102C1前板共有開(kāi)關(guān)機(jī)/靜音、音效、播放/暫停等15個(gè)按鍵和一個(gè)用來(lái)調(diào)節(jié)音量的編碼開(kāi)關(guān)。
    SL1102C1前板鍵控為分壓識(shí)別方式，按鍵包含短按和長(zhǎng)按兩種動(dòng)作。AT89S51輸出電壓為TTL電平，直接驅(qū)動(dòng)音響容易引起鍵碼誤識(shí)別，造成系統(tǒng)誤操作，因此本文采用圖2所示電路，很好地解決了上述問(wèn)題。當(dāng)AT89S51接收到語(yǔ)音編碼信號(hào)后，立即進(jìn)行邏輯分析并輸出對(duì)應(yīng)的控制信號(hào)驅(qū)動(dòng)繼電器吸合模擬按鍵動(dòng)作，按鍵的短按和長(zhǎng)按功能通過(guò)軟件實(shí)現(xiàn)。
    模擬開(kāi)關(guān)電路還適用于SL1102C1前板上的編碼開(kāi)關(guān)，編碼開(kāi)關(guān)具有音量調(diào)節(jié)功能。開(kāi)關(guān)旋鈕旋轉(zhuǎn)時(shí)，開(kāi)關(guān)上端子輸出對(duì)應(yīng)的脈沖信號(hào)。當(dāng)MCU收到操作編碼開(kāi)關(guān)的語(yǔ)音命令信號(hào)后，驅(qū)動(dòng)端子輸出脈沖信號(hào)，模擬開(kāi)關(guān)旋鈕功能。
2 系統(tǒng)軟件設(shè)計(jì)
    系統(tǒng)軟件包括非特定人語(yǔ)音識(shí)別模塊和邏輯控制模塊。
2.1 非特定人語(yǔ)音識(shí)別模塊
    非特定人語(yǔ)音識(shí)別模塊基于隱馬爾可夫模型算法。HMM算法通過(guò)對(duì)大量語(yǔ)音數(shù)據(jù)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，建立識(shí)別詞條的統(tǒng)計(jì)模型語(yǔ)音庫(kù)，然后從待識(shí)別語(yǔ)音中提取特征，與模型庫(kù)進(jìn)行匹配，由比較匹配分?jǐn)?shù)得到識(shí)別結(jié)果，并通過(guò)SDA80D51的GPIO口輸出。非特定人語(yǔ)音識(shí)別模塊主要由信號(hào)預(yù)處理、特征參數(shù)提取、模型匹配和Viterbi算法部分組成，模塊框圖如圖3所示。

2.1.1 信號(hào)預(yù)處理
    信號(hào)預(yù)處理部分主要完成輸入語(yǔ)音信號(hào)的采樣、 模/數(shù)轉(zhuǎn)換功能。A/D變換由SDA80D51內(nèi)嵌12位A/D變換器實(shí)現(xiàn)，采樣頻率固定為8 kHz。
2.1.2 特征參數(shù)提取
    特征參數(shù)提取基于語(yǔ)音幀，采用分幀提取特片。先對(duì)語(yǔ)音信號(hào)進(jìn)行重疊分幀，前一幀和后一幀重疊一半（幀信號(hào)重疊是體現(xiàn)相鄰兩幀數(shù)據(jù)之間的相關(guān)性），幀長(zhǎng)為25 ms，對(duì)每幀提取一次語(yǔ)音特片。
    MFCC參數(shù)屬于感知頻域倒譜參數(shù)，反映了語(yǔ)音信號(hào)短時(shí)幅度譜的特征。p維MFCC參數(shù)的具體計(jì)算提取過(guò)程如下：
    (1)用DFFT對(duì)每幀s(n:m)計(jì)算線性頻譜，計(jì)算頻譜模的平方為功率譜；
(2)功率譜經(jīng)過(guò) Mel 濾波器組獲得到D個(gè)參數(shù)X(i)，D是Mel濾波器組中三角形濾波器的數(shù)量；
    (3)對(duì)X(i)做對(duì)數(shù)運(yùn)算和離散余弦變換，余弦變換計(jì)算公式如下:
    
    式中的Y(i)是第i個(gè)Mel濾波器對(duì)數(shù)能量的輸出，i=1,2,…,D。
2.1.3 HMM語(yǔ)音識(shí)別算法
    隱馬爾可夫算法采用概率統(tǒng)計(jì)模型描述語(yǔ)音信號(hào)，HMM模型建立在Markov 鏈基礎(chǔ)上，使用 MarKov 鏈來(lái)模擬語(yǔ)音信號(hào)統(tǒng)計(jì)特性的變化。HMM模型為雙重隨機(jī)過(guò)程，其一是Markov鏈，由（π，A）描述狀態(tài)的轉(zhuǎn)移，輸出為狀態(tài)序列；另一個(gè)是隨機(jī)過(guò)程，由B描述，在統(tǒng)計(jì)意義上B反映了狀態(tài)和觀察值之間的對(duì)應(yīng)關(guān)系，輸出為觀察值矢量序列。Markov鏈中狀態(tài)和時(shí)間參數(shù)都是離散的Markov 過(guò)程。
    Viterbi 算法是一種幀同步動(dòng)態(tài)規(guī)整算法，在給定觀察值序列和模型時(shí)，Viterbi算法給出了一個(gè)概率密度P(Q，O|λ)最大的狀態(tài)序列。Viterbi算法包括初始化、遞推、終止、路徑回溯和確定最佳狀態(tài)序列。
  
    對(duì)于語(yǔ)音處理而言，因Q的變化，P(Q，O|λ)取值范圍很大，而P(Q，O|λ)的最大值占了全部P(Q，O|λ)的很大的成分，所以可以用Viterbi算法來(lái)計(jì)算P(O|λ)。
2.2 控制模塊
    控制模塊的主要功能是：在AT89S51查詢到語(yǔ)音詞條信號(hào)后，查表獲得詞條編碼，根據(jù)編碼判斷對(duì)應(yīng)按鍵是長(zhǎng)按或短按，分別進(jìn)入相應(yīng)的子程序處理。在子程序中，輸出語(yǔ)音命令所對(duì)應(yīng)的I/O控制信號(hào)驅(qū)動(dòng)繼電器吸合模擬按鍵或編碼開(kāi)關(guān)動(dòng)作，并及時(shí)復(fù)位I/O口。控制模塊還具有完全兼容手動(dòng)控制的功能，在語(yǔ)音控制操作的同時(shí)也可以進(jìn)行手動(dòng)操作，手動(dòng)的優(yōu)先級(jí)高于語(yǔ)音命令，這樣可以避免語(yǔ)音控制和手動(dòng)控制之間沖突。
    控制模塊部分程序代碼如下：
    void main()
      {……        //初始化
      while(1)
      {……        //初始化
        while(P0 == 0x00)        //等待語(yǔ)音信號(hào)
        {    WDTRST=0x1E;
            WDTRST=0xE1;    //WD指令
            YXSY=0;}
        YXSY = 1;
        if(date != P0)
        {    delayms(6);        //延時(shí)函數(shù)
            date = P0;
            if(date==1 || date==2)        //開(kāi)機(jī)、靜音
            {    PWR = 0;    //電源按鈕按下
                delayms(200);
                PWR = 1;}    //電源按鈕松開(kāi)
                ……
            P1 = 0xff;
            P2 = 0xff;}}}
3 系統(tǒng)實(shí)測(cè)結(jié)果
    本系統(tǒng)在江淮同悅SL1102C1型車載音響上進(jìn)行了非特定人語(yǔ)音識(shí)別率和模擬開(kāi)關(guān)動(dòng)作準(zhǔn)確率測(cè)試。由于汽車音響的語(yǔ)音詞條為2～4個(gè)字，語(yǔ)音識(shí)別率實(shí)驗(yàn)內(nèi)容為車載音響常用2字詞條指令18條、3字詞條指令12條、4字詞條指令10條，實(shí)驗(yàn)對(duì)象為6人4男、2女（普通話和方言），實(shí)驗(yàn)環(huán)境為實(shí)驗(yàn)室環(huán)境。為了提高系統(tǒng)的識(shí)別率，系統(tǒng)采用奧林巴斯 ME52定向麥克，提高了麥克接收范圍，系統(tǒng)測(cè)試結(jié)果如表1所示。
    由表1可知，系統(tǒng)的識(shí)別率與語(yǔ)音指令詞條字?jǐn)?shù)、麥克接收距離、說(shuō)話人方言有關(guān)。男聲和女聲的識(shí)別率接近。

    在系統(tǒng)控制電路實(shí)驗(yàn)中，模擬開(kāi)關(guān)動(dòng)作達(dá)到了較高的準(zhǔn)確率，測(cè)試結(jié)果為98%以上，只要控制程序運(yùn)行正常，各路繼電器就能按照程序安排執(zhí)行閉合和斷開(kāi)模擬手動(dòng)開(kāi)關(guān)操作。
    實(shí)現(xiàn)汽車電器的語(yǔ)音控制是未來(lái)車載電器的發(fā)展趨勢(shì)，越來(lái)越多的解決方案被不斷提出和驗(yàn)證。本文提出的設(shè)計(jì)是在SL1102C1型車載音響上使用SDA80D51芯片，實(shí)現(xiàn)了車載音響非特定人的語(yǔ)音識(shí)別與控制。該設(shè)計(jì)得到的樣機(jī)有較高的識(shí)別率，工作穩(wěn)定、可擴(kuò)展性強(qiáng)，達(dá)到預(yù)期的設(shè)計(jì)目標(biāo)，整個(gè)設(shè)計(jì)方案和實(shí)現(xiàn)方法是可行的。由于語(yǔ)音識(shí)別率隨著環(huán)境、說(shuō)話人不同而變化，雖然HMM算法在噪聲很少的環(huán)境下可以獲得很高的識(shí)別率，但當(dāng)測(cè)試語(yǔ)音或者環(huán)境中含有不同程度的噪聲污染時(shí)，語(yǔ)音識(shí)別系統(tǒng)的性能會(huì)有所下降。提高系統(tǒng)的抗噪性和魯棒性是語(yǔ)音識(shí)別系統(tǒng)走向?qū)嵱没年P(guān)鍵之一。
參考文獻(xiàn)
[1] 楊行峻，遲惠生.語(yǔ)音信號(hào)數(shù)字處理[M].北京：電子工業(yè)出版社，1995.
[2] Inifneon.UniSpeech2V2.0 functional specification[Z].Infineon Technologies AG，2002.
[3] 韓紀(jì)慶，張磊，鄭鐵然.語(yǔ)音信號(hào)處理[M].北京：清華大學(xué)出版社，2004.
[4] 王海青.基于CDHMM的口令式語(yǔ)音識(shí)別系統(tǒng)及其DSP實(shí)現(xiàn)[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2003.
[5] BURCHARD B，ROMER R，F(xiàn)OX O.A single chip phoneme  based HMM speech recognition system for consumer applications，Consumer Electronics，IEEE Transactions on，2000，46(3)：914-919.
[6] Masao Namiki，Takayuki Hamamoto，Seiichiro Hangai.Spoken  word recognition with digital cochlea using 32 DSP-boards. IEEE Trans.on Acoust，Speech，Signal Processing，2001，2：969-972.