一种嵌入式语音识别模块的设计与实现

μC／OS-II是一个源码公开、可移植、可固化、可裁剪、占先式的实时多任务操作系统。它是专门为计算机的嵌入式应用设计的，绝大部分代码采用C语言编写，具有执行效率高、占用空间孝实时性能优良和可扩展性强等特点，最小内核可至2 KB。在μC／OS-II中，任务的概念尤为重要，它是可剥夺型的内核，因此任务优先级的划分至关紧要。基于分层化和模块化的设计理念，整个系统任务的划分如表1所列。

表1 主控系统任务优先级规划

表1中除OSTaskStat和OSTaskIdle任务为系统自带，其他7个任务均为用户创建。App_TaskStart是系统的第一个任务，对系统时钟和底层设备进行初始化，创建所有事件和其他各项用户任务，并对系统状态进行监测；App_TaskSR完成语音识别；App_TaskCmd完成对话集中命令的解析和执行，并通过USART1向外发送；App_TaskCom作为外围扩展任务，通过USART2向外发送指令或数据，负责控制外围扩展设备，如语音合成设备等；

App_TaskUpdate通过解析USART1接收的命令和数据进行对话集的更新；App_TaskPB是按键扫描任务，负责检测3个独立按键，分为短按和长按检测；App_TaskLED驱动4个LED指示灯，指示当前工作状态。

3.2 语音识别程序设计

语音识别程序的设计，参考了LD332X开发手册，本文中采用中断方式工作，其工作流程分为通用初始化一语音识别用初始化-写入识别列表-开始识别-响应中断。

①通用初始化和语音识别用初始化。在初始化程序里，主要完成软复位、模式设定、时钟频率设定、FIFO设定。

②写入识别列表。列表的规则是，每个识别条目对应一个特定的编号（1个字节），编号可以相同，可以不连续，但是数值要小于256（00H～FFH）。本芯片最多支持50个识别条目，每个识别条目是标准普通话的汉语拼音（小写），每2个字（汉语拼音）之间用一个空格间隔。本文中采取了连续不同编号的识别条目，表2是简单的示例。

表2 识别列表示例

③开始识别。设置几个相关的寄存器，即可开始语音的识别。图4是相关的流程。ADC通道即为*输入通道，ADC增益也就是*音量，可设定值00H～7FH，建议设置值为40H～6FH，值越大代表MIC音量越大，识别启动越敏感，但可能带来更多误识别；值越小代表MIC音量越小，需要近距离说话才能启动识别功能，好处是对远处的干扰语音没有反应。本文中设定值为43H。

图4 开始识别流程

④响应中断。如果*采集到声音，不管是否识别出正常结果，都会产生一个中断信号。而中断程序要根据寄存器的值分析结果。读取BA寄存器的值，可以知道有几个候选答案，而C5寄存器里的答案是得分最高、最可能正确的答案。

3.3 对话管理单元设计

为了方便进行对话的管理，本文中设计了一个对话管理单元，用于对等待识别的语句和等待执行的命令进行存储，在主控制器中通过定义二维数组来实现。LD3320每次识别最多可以设置50项候选识别句，每个识别句可以是单字、词组或短句，长度为不超过10个汉字或者79个字节的拼音串。基于上述原因，本文设计的对话管理数组如表3所列。

表3 对话管理单元数组

行为数组中存储要执行的行为编号，对应于50条语音识别语句，共有50组指令，每组指令中可以最多包含6个行为，并行的行为可以归为一步，通过多个行为的组合，就可以完成更复杂的任务。

4 性能测试与应用

为了保证设计的语音识别模块的语音识别率、稳定性和响应时间，本文对所描述的语音识别模块做了相应的测试，测试环境分别为安静的家庭环境和嘈杂的医院环境，共8条语音指令，对每条语音指令分别进行10次测试，每个环境下对每个特定人的总实验次数为80次，记录成功识别的次数。测试结果如表4所列。

表4 测试结果

测试中的3个非特定人中，非特定人1为女性，非特定人2和非特定人3为男性。由表中数据可以看出，家庭环境下对非特定人的语音识别率可达到90％以上，嘈杂的医院环境下的语音识别率也可达82.5％以上。识别率方面，在嘈杂环境下比在安静环境下的语音识别率有所降低；稳定性方面，在安静环境下系统的稳定性较好，语音说1遍，最多说2遍模块就可以做出正确的响应；在噪声环境下，系统的稳定性有所下降，个别语音命令需要说3遍甚至3遍以上才能被模块准确识别；实时性方面，在安静环境下的语音能保证系统响应的实时性，响应时间一般不超过1 s，在噪声环境下的响应时间相对长一些。

结语

本文讨论了基于STM32的嵌入式语音识别模块的设计和实现，对模块各个组成单元的硬件电路及软件实现进行了详细的介绍。大量实验及实际应用表明，本文设计的语音识别模块具有稳定性好、语音识别率高、抗噪声干扰能力强、结构