2 系統(tǒng)硬件總體設(shè)計
系統(tǒng)的硬件功能是實現(xiàn)語音指令的采集和步進電機的驅(qū)動控制，為系統(tǒng)軟件提供開發(fā)和調(diào)試平臺。如圖1所示。
系統(tǒng)硬件分為語音信號的采集和播放，基于DSP的語音識別，F(xiàn)PGA動作指令控制、步進電機及其驅(qū)動、DSP外接閃存芯片，JTAG口仿真調(diào)試和鍵盤控制幾個部分。工作流程是麥克風(fēng)將人的語音信號轉(zhuǎn)化為模擬信號，在經(jīng)過音頻芯片TLV320AIC23量化轉(zhuǎn)化成數(shù)字信號輸入DSP．DSP完成識別后，輸出動作指令。
FPGA根據(jù)DSP輸入的動作指令產(chǎn)生正確的正反轉(zhuǎn)信號和準確的脈沖給步進電機驅(qū)動芯片，驅(qū)動芯片提供步進電機的驅(qū)動信號，控制步進電機的轉(zhuǎn)動。片外FLASH用于存儲系統(tǒng)程序和語音庫并完成系統(tǒng)的上電加載。JTAG口用于與PC機進行聯(lián)機在線仿真，鍵盤則用于參數(shù)調(diào)整和功能的切換。
3 語音識別系統(tǒng)設(shè)計
3．1 語音信號的特點
語音信號的頻率成分主要分布在300～3400Hz之間，根據(jù)采樣定理選擇信號的采樣率為8 kHz。語音信號的一個特點在于他的"短時性"，有時在一個短時段呈現(xiàn)隨機噪聲的特性，而另一段表現(xiàn)周期信號的特性，或二者兼而有之。語音信號的特征是隨時間變化的，只有一段時間內(nèi)，信號才表現(xiàn)穩(wěn)定一致的特征，一般來說短時段可取5～50 ms，因此語音信號的處理要建立在其"短時性"上[2]，系統(tǒng)將語音信號幀長設(shè)為20 ms，幀移設(shè)為10 ms，則每幀數(shù)據(jù)為160×16 b。
3．2 語音信號的采集和播放
語音采集和播放芯片采用的是TI公司生產(chǎn)的TLV320AIC23B，TLV320AIC23B的模數(shù)轉(zhuǎn)換(ADC)和數(shù)模轉(zhuǎn)換(DAC)部件高度集成在芯片內(nèi)部，芯片采用8 k采樣率，單聲道模擬信號輸入，雙聲道輸出。TLV320AIC23具有可編程特性，DSP可通過控制接口來編輯該器件的控制寄存器，而且能夠編譯SPI，I2C兩種規(guī)格的接口，TLV320AIC23B與DSP5509的電路連接如圖2所示。
DSP采用I2C口對TLV320AIC23的寄存器進行設(shè)置。當MODE=O時，為I2C規(guī)格的接口，DSP采用主發(fā)送模式，通過I2C口對地址為0000000～0001111的11個寄存器進行初始化。I2C模式下，數(shù)據(jù)是分為3個8 b寫入的。而TLV320AIC23有7位地址和9位數(shù)據(jù)，也就是說，需要把數(shù)據(jù)項上面的最高位補充到第二個8 B中的最后一位。
MCBSP串口通過6個引腳CLKX，CLKR，F(xiàn)SX，F(xiàn)SR，DR和CX與TLV320AIC23相連。數(shù)據(jù)經(jīng)MCBSP串口與外設(shè)的通信通過DR和DX引腳傳輸，控制同步信號則由CLKX，CLKR，F(xiàn)SX，F(xiàn)SR四個引腳實現(xiàn)。將MCBSP串口設(shè)置為DSP Mode模式，然后使串口的接收器和發(fā)送器同步，并且由TLV320AIC23的幀同步信號LRCIN，LRCOUT啟動串口傳輸，同時將發(fā)送接收的數(shù)據(jù)字長設(shè)定為32 b(左聲道16 b，右聲道16 b)單幀模式。
3．3 語音識別程序模塊的設(shè)計
為了實現(xiàn)機器人對非特定人語音指令的識別，系統(tǒng)采用非特定人的孤立詞識別系統(tǒng)。非特定人的語音識別是指語音模型由不同年齡、不同性別、不同口音的人進行訓(xùn)練，在識別時不需要訓(xùn)練就可以識別說話人的語音[2]。系統(tǒng)分為預(yù)加重和加窗，短點檢測，特征提取，與語音庫的模式匹配和訓(xùn)練幾個部分。
3．3．1 語音信號的預(yù)加重和加窗
預(yù)加重處理主要是去除聲門激勵和口鼻輻射的影響，預(yù)加重數(shù)字濾波H(Z)=1一KZ-1，其中是為預(yù)加重系數(shù)，接近1，本系統(tǒng)中k取0．95。對語音序列X(n)進行預(yù)加重，得到預(yù)加重后的語音序列x(n)：x(n)=X(n)一kX(n一1) (1)
系統(tǒng)采用一個有限長度的漢明窗在語音序列上進行滑動，用以截取幀長為20 ms，幀移設(shè)為10 ms的語音信號，采用漢明窗可以有效減少信號特征的丟失。
3．3．2 端點檢測
端點檢測在詞與詞之間有足夠時間間隙的情況下檢測出詞的首末點，一般采用檢測短時能量分布，方程為：
其中，x(n)為漢明窗截取語音序列，序列長度為160，所以N取160，為對于無音信號E(n)很小，而對于有音信號E(n)會迅速增大為某一數(shù)值，由此可以區(qū)分詞的起始點和結(jié)束點。
3．3．3特征向量提取
特征向量是提取語音信號中的有效信息，用于進一步的分析處理。目前常用的特征參數(shù)包括線性預(yù)測倒譜系數(shù)LPCC、美爾倒譜系數(shù)MFCC等。語音信號特征向量采用Mel頻率倒譜系數(shù)MFCC(Mel Frequency Cepstrum Coeficient的提取，MFCC參數(shù)是基于人的聽覺特性的，他利用人聽覺的臨界帶效應(yīng)[3]，采用MEL倒譜分析技術(shù)對語音信號處理得到MEL倒譜系數(shù)矢量序列，用MEL倒譜系數(shù)表示輸入語音的頻譜。在語音頻譜范圍內(nèi)設(shè)置若干個具有三角形或正弦形濾波特性的帶通濾波器，然后將語音能量譜通過該濾波器組，求各個濾波器輸出，對其取對數(shù)，并做離散余弦變換(DCT)，即可得到MFCC系數(shù)。MFCC系數(shù)的變換式可簡化為：
其中，i為三角濾波器的個數(shù)，本系統(tǒng)選P為16，F(xiàn)(k)為各個濾波器的輸出數(shù)據(jù)，M為數(shù)據(jù)長度。
3．3．4 語音信號的模式匹配和訓(xùn)練
模型訓(xùn)練即將特征向量進行訓(xùn)練建立模板，模式匹配即將當前特征向量與語音庫中的模板進行匹配得出結(jié)果。語音庫的模式匹配和訓(xùn)練采用隱馬爾可夫模型HMM(Hidden Markov Models)，他是一種統(tǒng)計隨機過程統(tǒng)計特性的概率模型一個雙重隨機過程，因為隱馬爾可夫模型能夠很好地描述語音信號的非平穩(wěn)性和可變性，因此得到廣泛的使用[4]。
HMM的基本算法有3種：Viterbi算法，前向一后向算法，Baum-Welch算法。本次設(shè)計使用Viterbi算法進行狀態(tài)判別，將采集語音的特征向量與語音庫的模型進行模式匹配。Baum-Welch算法用來解決語音信號的訓(xùn)練，由于模型的觀測特征是幀間獨立的，從而可以使用Baum-Welch算法進行HMM模型的訓(xùn)練。
3．4 語音識別程序的DSP開發(fā)
DSP的開發(fā)環(huán)境為CCS3．1及。DSP／BIOS，將語音識別和訓(xùn)練程序分別做成模塊，定義為不同的函數(shù)，在程序中調(diào)用。定義語音識別器函數(shù)為int Recognizer(int Micin)，識別結(jié)果輸出函數(shù)為int Result(void)，語音訓(xùn)練器函數(shù)為int Train(int Tmode，int Audiod)，動作指令輸入函數(shù)為int Keyin(int Action[5])。
語音識別器的作用是將當前語音輸入變換成語音特征向量，并對語音庫的模板進行匹配并輸出結(jié)果，語音應(yīng)答輸出函數(shù)將獲取的語音識別結(jié)果對應(yīng)的語音應(yīng)答輸出，語音訓(xùn)練是將多個不同年齡、不同性別、不同口音的人語音指令輸入轉(zhuǎn)化為訓(xùn)練庫的模板。為防止樣本錯誤，每個人的語音指令需要訓(xùn)練2次，對于2次輸入用用歐氏距離去進行模式匹配，若2次輸入相似度達到95％，則加入樣本集。語音應(yīng)答輸入函數(shù)是為每個語音庫中模板輸入對立的語音輸出，以達到語言應(yīng)答目的。系統(tǒng)工作狀態(tài)為執(zhí)行語言識別子程序，訓(xùn)練時執(zhí)行外部中斷，執(zhí)行訓(xùn)練函數(shù)，取得數(shù)據(jù)庫模板，訓(xùn)練完畢返回。程序框圖如圖3所示。
4 機器人的動作控制系統(tǒng)設(shè)計
4．1 FPGA邏輯設(shè)計
系統(tǒng)通過語音控制機器人頭部動作，頭部運動分為上下和左右運動2個自由度，需要2個步進電機控制，DSF完成語音識別以后，輸出相應(yīng)的動作指令，動作執(zhí)行結(jié)束后，DSP發(fā)出歸零指令，頭部回到初試狀態(tài)。FPGA的作用是提供DSP接口邏輯，設(shè)置存儲DSP指令的RAM塊，同時產(chǎn)生步進電機驅(qū)動脈沖控制步進電機轉(zhuǎn)動方向和角度。
FPGA器件為動作指令控制單元，設(shè)計采用FLEXlOKE芯片，接收DSP數(shù)據(jù)后并行控制2路步進電機。FPGA內(nèi)部結(jié)構(gòu)邏輯如圖4所示，F(xiàn)PGA內(nèi)部設(shè)置2個元件為電機脈沖發(fā)生器，控制電機的工作脈沖以及正反轉(zhuǎn)。AO～A7為DSP數(shù)據(jù)輸入端口，WR為數(shù)據(jù)寫端口，P1，P2為2個步進電機驅(qū)動芯片脈沖輸入口，L1，L2為電機正反轉(zhuǎn)控制口，ENABLE為使能信號。
RAM1和RAM2分別為2個步進電機的指令寄存器，電機脈沖發(fā)生器發(fā)出與RAM中相應(yīng)數(shù)量的方波脈沖。DSP通過DO～D8數(shù)據(jù)端輸出8位指令，其中。D8為RAM選擇，為1時選擇RAM1，為0時選擇RAM0，DO～D7為輸出電機角度，電極上下和左右旋轉(zhuǎn)角度為120°，精度為1°，初始值都為60°，DO～D7的范圍為00000000～11111000，初始值為00111100。FPGA作為步進脈沖發(fā)生器，通過時鐘周期配置控制電機轉(zhuǎn)速，與初始值對應(yīng)坐標決定正反轉(zhuǎn)。系統(tǒng)動作指令程序如圖5所示。
其中R1為DSP指令寄存器，R2為當前坐標寄存器，通過DSP的輸出坐標與FPGA的當前坐標進行差值運算來確定步進電機的旋轉(zhuǎn)方向和旋轉(zhuǎn)角度，優(yōu)點是可以根據(jù)新的輸入指令的變化，結(jié)束當前動作以運行新的指令，指令執(zhí)行完畢后，系統(tǒng)清零，步進電機回到初始狀態(tài)。
4．2 FPGA邏輯仿真
FPGA以MAX-PLUSⅡ開發(fā)平臺，用語言為VHDL語言對上述邏輯功能進行設(shè)計，并通過JTAG接口進行了調(diào)試，F(xiàn)LEXl0KE芯片能夠根據(jù)DSP輸出指令輸出正確的正反轉(zhuǎn)信號和脈沖波形。
4．3 步進電機驅(qū)動設(shè)計
FPGA通過P1，L1，P2，L2輸出控制控制步進電機驅(qū)動芯片。步進電機驅(qū)動采用的是東芝公司生產(chǎn)的單片正弦細分二相步進電機驅(qū)動專用芯片TA8435H，F(xiàn)PGA與TA8435H電路連接如圖6。
由于FLEX1OKE和TMS320VC5509工作電壓為3．3 V，而TA8435H為5 V和25 V，所以管腳連接使用光電耦合器件TLP521，使兩邊電壓隔離。CLK1為時鐘輸入腳，CW／CCW為正反轉(zhuǎn)控制腳，A，A，B，B為二相步進電機輸入。
5 結(jié) 語
系統(tǒng)充分利用了DSP的高處理速度和可擴展的片外存儲空間，具有高速、實時、識別率高的特點并支持大的語音庫，F(xiàn)PGA的使用使系統(tǒng)電路獲得簡化，一片F(xiàn)LEXl0KE芯片可以完成2個步進電機的時序控制。雖然在處理速度和語音庫的存儲容量上與PC機系統(tǒng)具有一定的差距，但在機器人的微型化、低功耗和特定功能實現(xiàn)上，以DSP和FPGA為核心的嵌入式系統(tǒng)無疑具有廣闊的前景。