摘? 要： 介紹了一種基于專用語音識別芯片TSG410的彩電智能聲控選臺系統(tǒng)，可以在不對彩電做任何改動的基礎(chǔ)上，實(shí)現(xiàn)語音遙控電視機(jī)。
關(guān)鍵詞： 語音識別? 彩電遙控? 智能聲控選臺
?
隨著電視頻道數(shù)目的日益增多，傳統(tǒng)的電視遙控方法弊端越來越明顯。它需要觀眾記憶大量電視臺對應(yīng)頻道，這是件很令人頭疼的事情。我們利用專用語音識別芯片TSG410設(shè)計了一個彩電智能聲控選臺系統(tǒng)，可以較好地解決記憶頻道這個難題。尤其對殘疾朋友來講，更具有特殊的意義。
該系統(tǒng)不對彩電做任何改動。在保留原有遙控功能的基礎(chǔ)上，實(shí)現(xiàn)語音控制選臺，主要功能有：
·開關(guān)電視：電視接通電源處于待命狀態(tài)，操作者發(fā)出“開機(jī)”命令，則打開電視機(jī);操作者發(fā)出“關(guān)機(jī)”命令，則關(guān)掉電視機(jī);
·選臺功能：操作者想看XX電視臺的節(jié)目，只要發(fā)出“XX臺”的命令，電視機(jī)自動跳轉(zhuǎn)到該臺。
·識別主人功能：為防止誤操作，該系統(tǒng)只對事先錄入命令樣本的操作者語音敏感，其他人發(fā)出的命令包括電視伴音均無效。
·其它功能：具有電視音量、畫面亮度調(diào)節(jié)等適合語音控制的功能。
1 系統(tǒng)設(shè)計方案
我們最初考慮了兩種設(shè)計方案(見圖1和圖2)，它們各有優(yōu)缺點(diǎn)。第一種電路不足之處是：電路稍復(fù)雜一點(diǎn)，而且要對電視機(jī)的選臺控制電路做必要的改動(當(dāng)然這對電視機(jī)生產(chǎn)廠家是不成問題的);其優(yōu)點(diǎn)是：只需一個無線話筒便可聲控選臺，且不必對準(zhǔn)電視機(jī)，甚至在另一個房間也可實(shí)現(xiàn)遙控。第二種電路的優(yōu)點(diǎn)是：不必對電視機(jī)的選臺控制電路做任何的改動;缺點(diǎn)是：所有電路只能靠電池供電，芯片選擇要考慮耗電和工作電壓問題。由于采用紅外遙控發(fā)射來控制電視，該系統(tǒng)須對準(zhǔn)電視機(jī)才能正常工作。綜合考慮各方面因素，我們認(rèn)為第二種設(shè)計方案較切實(shí)可行。
?
?
2 各個功能模塊簡介
2.1 語音命令提取單元
語音命令提取該單元(如圖2)在電視話音和其它噪音背景下，完成提取出操作者語音命令功能，其示意圖如圖3所示。
MIC選用駐極體送話器，它具有結(jié)構(gòu)簡單、重量輕、體積小、頻率響應(yīng)寬、保真度好等優(yōu)點(diǎn)，但靈敏度較低，必須再加放大器才行。由于輸出阻抗可高達(dá)108Ω數(shù)量級，所以必須進(jìn)行阻抗變換后才能與放大器配合使用。放大器采用差分放大電路，一個駐極體送話器面對送話者，其輸出接放大器正向輸入端;另一個駐極體送話器背對送話者，其輸出接放大器負(fù)向輸入端。由于兩個送話器相對于電視機(jī)和其它噪聲源的位置基本一樣遠(yuǎn)，可以近似認(rèn)為通過二者輸入的干擾是一樣的。但考慮到送話器具有方向性，前者送入的操作者語音命令遠(yuǎn)遠(yuǎn)大于后者，適當(dāng)選擇各電阻值可以抵消掉各種干擾。放大器采用運(yùn)放(OP Amps)MAX495(單電源供電+2.7V～+6V)。
2.2 語音識別單元
語音識別單元主要由TSG410和非易失性SRAM組成，大體構(gòu)成如下圖4所示。
?
語音識別功能由專用語音芯片TSG410完成，TSG410是一種新穎功能齊全的語音識別集成電路。它采用CMOS大規(guī)模集成電路制作工藝制造，內(nèi)含除SRAM以外語音識別所需的全部電路，如CPU、A/D轉(zhuǎn)換器、ROM、語音放大器、壓縮器、濾波器、振蕩器及接口電路等。TSG410具有雙列直插和貼片兩種封裝方式，可工作在CPU控制和人工控制兩種模式下。語音識別的響應(yīng)時間典型值為300ms，最長不超過600ms。
識別容量大，最多可識別40個字段，且分段方式靈活。為了CPU管理方便，將40個字段分成四組，編號為1～4，每組10個字段。這樣，第一個字段編號為10，第二個為11，第三個為12…依次類推，第40個字段編號為49。在操作顯示時，十位數(shù)顯示組號，個位數(shù)顯示序號。因此，建立語音樣本時，應(yīng)注意顯示數(shù)字和電視機(jī)選擇頻率之間的換算關(guān)系，以免語音命令和控制結(jié)果對應(yīng)不起來。各段功能分配如表1所示。
?
TSG410的每個字段時間長度可以在0.9s和1.92s之間選擇。按正常人的講話速度，每秒吐字2～4個，如選擇0.9s，則每個命令字段以1～3個字為宜，選擇1.92s則最大容量為8個漢字，但可識別的字段數(shù)減少為20個。我們選擇前一種分段方式，語音命令以3個字以下為宜。因此，電視選臺命令采用“地方”命名原則，如：山東、上海等，中央臺可直接叫“一臺”、“二臺”，依次類推。語音命令差別越大越不容易出現(xiàn)錯誤識別。系統(tǒng)要正常工作，必須首先建立語音樣本，為防止語音樣本因?yàn)榈綦妬G失，SRAM選用內(nèi)帶掉電保護(hù)電池的非易失性SRAM，即NVSRAM(non-volatile SRAM)，如HK1125，掉電后其數(shù)據(jù)可保存10年以上，用法同普通RAM。
一般情況下，留有30個預(yù)選頻道是足夠用的。實(shí)際上，既可以采用多片TSG410進(jìn)行頻道數(shù)和允許操作者人數(shù)擴(kuò)展方式滿足各種需要，也可以采用讓TSG410工作在CPU控制方式的辦法。此時識別容量不受40字段限制，但需增加單片機(jī)(如8031)作控制用。
2.3 控制面板
為了能輸入字段號，以便建立語音樣本，TSG410配置了外接鍵盤掃描電路。行、列信號的輸入、輸出口由芯片的S1～S3、K1～K3擔(dān)當(dāng)。這樣一個三列、四行的鍵盤共有12個按鍵，其中十個定義為：0～9數(shù)字鍵，一個定義為：語音樣本建立鍵(TRN)，一個定義為：語音樣本清除鍵(CLR)。由于控制面板只在建立語音樣本時使用，為防止誤操作，應(yīng)將12個按鍵用塑料外殼封起來。
2.4 操作指示電路
采用兩片數(shù)碼管和譯碼驅(qū)動電路CC4558組成操作指示電路。在本系統(tǒng)中，操作指示電路的作用是：建立語音命令樣本時，用于顯示存入的字段號;語音命令識別時用于顯示識別結(jié)果及芯片識別結(jié)果的處理報告。
2.5 邏輯控制電路
整個邏輯控制電路如圖5所示。TSG410通過D0～D7輸出識別結(jié)果，必須進(jìn)行必要的譯碼后，才能用來控制后面的紅外發(fā)射裝置。在電視機(jī)的遙控系統(tǒng)中，遙控發(fā)射器通過按鍵，以紅外線方式發(fā)出各種不同的脈沖編碼信息。尤其需要注意其發(fā)射編碼必須與原來一致，以便兼容。采用電子開關(guān)電路模擬手工按鍵時，必須考慮開關(guān)接通時間和兩個按鍵之間的時間間隔問題，以防止信號丟失和“串鍵”、“并鍵”現(xiàn)象的發(fā)生。通常情況下，全部鍵位掃描一次的時間小于10～20ms，而人手觸及按鍵的時間最短也在100ms以上，因此在任一按鍵被按下后，會有多次掃描信號通過，不存在信號丟失問題。所謂“串鍵”是指在一個鍵按下之后，又接著按下另一鍵;而“并鍵”則是同時按下兩鍵。這兩種錯誤操作發(fā)生的根本原因是：每個按鍵的遙控指令編碼需要一定時間才能發(fā)射完畢(一般在100ms左右)，所以應(yīng)設(shè)法消除。這是我們設(shè)計邏輯控制電路時的一個難點(diǎn)，采用脈沖展寬(>40ms)和脈沖延遲電路(>120ms)解決。
?
2.6 遙控發(fā)射電路
紅外遙控發(fā)射器主要由三大部分組成：一是鍵盤矩陣，二是發(fā)射專用集成電路，三是放大驅(qū)動和紅外線發(fā)射部分。該電路與電視機(jī)的特定型號有關(guān)，可以根據(jù)電視機(jī)品牌選用適當(dāng)?shù)膶Ｓ眉t外發(fā)射電路。
需要說明的是：由于不同品牌電視機(jī)的紅外發(fā)射、接收電路各不相同，因此它只對兼容電視有效。
?
參考文獻(xiàn)
1 孫景琪.遙控彩色電視機(jī)集成電路及應(yīng)用.北京：人民郵電出版社，1994
2 TSG公司.TSG410芯片數(shù)據(jù)資料
3 MAXIM公司.1996 NEW RELEASES DATA BOOK