基于ARM的非特定人语音识别系统的设计方案

3.2非特定人语音识别方案选型及电路

本系统中选用IC Route公司生产的LD3320非特定人语音识别芯片，该芯片是非特定人语音识别的专用芯片，内部已经集成了语音识别处理器和一些信号调制电路，拥有高性能的A/D转换器、D/A转换器、麦克风音频信号输入接口、音频解码输出接口等，用户只需要用软件编辑好待识别的关键词列表，LD3320最大可以支持50条关键词句，把这些列别以字符的形式传送到芯片中，就可以对待识别的语音信号进行近似度分析，识别后输出结果。



LD3320整体工作电路如图4所示，总体上可以把电路图分为8个部分，分别是LD3320基础外围电路、电源电路、外部晶体振荡器电路、麦克风信号处理电路、去耦合滤波电路、解码音频去直流成分电路、功能引针输出电路、状态信号指示电路。语音识别单元对于电源供电电路的要求较高，电路中注重对供电纯净度的要求，由系统中的LDO芯片LM1117-3.3 V为语音识别系统供电，加上电感、电容为供电进行滤波，RSTB为LD3320复位引脚，连接到主控制器进行复位控制。LD3320支持并行数据通信和串行数据通信，在本系统设计中考虑对主控I/O资源的占用问题，故而选用串行通信方式对LD3320进行数据传送和控制，LD3320的MD引脚通过上拉电阻钳位为高电平。SPI总线的SDI、SDO、SDCK和SCS引脚连接到主控芯片对应引脚。INTB为中断信号引脚，遇到识别结果输出或者是内部音频文件解码完成等状态，该引脚会对应输出电平状态通知主控。MBS引脚作为麦克风偏置电压输入，连接了RC电路，保证产生一个浮动电压供给麦克风信号。

4系统软件功能设计

4.1语音识别软件设计

系统主控上电后首先进行各项初始化，包括LD3320需要的8M时钟信号，由STM32初始化后输出8M频率供给LD3320使用，初始化STM32内部时钟、SD卡文件系统、SPI相关寄存器、SDIO数据初始化、中断设置等等。经过初始化后SD卡文件系统会在SD卡中寻找system.ini配置文件，将里面的字段进行拆分后提取，送给LD3320相关寄存器，随后把关键字句列表和长度信息传送给LD3320并启动识别过程，当识别成功后串口会发出响应的返回值参数，并且按照用户需求可以指定需要解码的音频文件，经过LD3320进行MP3文件解码输出，程序流程图如图5所示。



主控程序初始化代码如下：



4.2 SD卡文件系统软件设计

在实际应用中，修改主控制单片机程序较为复杂，本系统将识别关键语句写在一个命名为system.ini文件中，将此文件拷贝到SD卡中，SD卡需要实现格式化，只能出现一个。ini文件，其他的文件均为XXX.mp3文件，SD的片选信号CS、数据输入信号DI、数据输出信号DO、时钟信号SCLK在硬件上已经与STM32的SPI接口相连接，系统上电后会初始化SD卡文件系统，发送至少74个时钟以上确保SD卡片选正常后将SD卡复位等待8个时钟周期进入SPI读写模式，通过STM32内部编写好的文件系统程序找寻"配置文件"即system.ini文件，读取关键词识别列表内容，在系统软件编程中，采用3个字段进行功能约定，字段功能约定配置如下：

5性能测试与分析

为保证系统对非特定人的语音识别效果、环境底噪影响、语音识别过程响应时间、非特定人声音样本识别成功率等参数达标，本文针对各项参数指定了测试方案，实验环境分为安静环境（如家居环境）和相对嘈杂的环境（如课堂环境）进行了实测，指定3名发音人作为3个不同的声音识别样本，选定了短句识别语句、中长句识别语句，长句识别语句各2条进行样本测试（约定3字以下为短句，3~5字为中长句，5字以上为长句），每种测试语句结合不同发音人重复20次结果进行统计，在安静环境下测试短句识别准确率为93.37%、中长句识别准确率为91.67%、长句识别准确率为90.23%.在嘈杂环境下测试短句识别准确率为87.25%、中长句识别准确率为84.36%、长句识别准确率为81.12%.从实验数据上分析，制约识别准确率的原因是多方面的，与发音人本身声音质量、环境底噪、识别语句近似度、识别语句长度均有关系，单从数据上不难得到总体识别率应该是在81%以上，可以满足应用需求，系统实物图如图6所示，硬件结构小巧，功耗低、性价比高，因此具备市场应用前景和市场需求。



6结语

普及语音识别技术是当前研究和发展的新趋势，特别是对于非特定人的语音识别是语音信号领域处理的热点和难点，本方案利用了STM32F103C8T6与LD3320结合，配合各种外围电路完成了非特定人语音识别的嵌入式平台，在平台中通过硬软件构建，在不更改主控制芯片程序的前提下，用户可以通过更改SD卡内配置文件的方法随意设定识别关键语句，经过不同发音人和环境的实测，该系统在嘈杂环境中的识别准确率可达81%，在安静环境中的识别准确率可达90%以上，本系统可以方便的嵌入用户系统或者板卡中，积木式搭建灵活实用，因而具有广泛的市场需求和应用前景。