機(jī)器人語音識(shí)別實(shí)驗(yàn)設(shè)計(jì)與實(shí)現(xiàn)

宋亞男，林錫海，徐榮華，宋子寅

（廣東工業(yè)大學(xué)自動(dòng)化學(xué)院，廣東廣州 510006）

課題組結(jié)合學(xué)生畢業(yè)設(shè)計(jì)工作建設(shè)實(shí)驗(yàn)室，提供了進(jìn)一步研究的平臺(tái)和實(shí)驗(yàn)基礎(chǔ)。此項(xiàng)工作讓參與的學(xué)生在完成自己的畢業(yè)設(shè)計(jì)的同時(shí)，也為實(shí)驗(yàn)室建設(shè)作了貢獻(xiàn)。設(shè)計(jì)和開發(fā)的結(jié)果可以提供給后屆學(xué)生學(xué)習(xí)和參考，后屆學(xué)生更容易在以前學(xué)生基礎(chǔ)上進(jìn)行進(jìn)一步的工作和研究。本文中闡述了機(jī)器人語音識(shí)別系統(tǒng)的實(shí)驗(yàn)設(shè)計(jì)目標(biāo)、實(shí)現(xiàn)過程以及結(jié)果。

1 實(shí)驗(yàn)設(shè)計(jì)目標(biāo)

為了便于學(xué)習(xí)者理解語音識(shí)別的基本原理和算法，更好地應(yīng)用凌陽SPCE061A 開發(fā)符合要求的應(yīng)用程序，先基于Matlab設(shè)計(jì)了以動(dòng)態(tài)時(shí)間規(guī)整（dynamic time warping，DTW）算法和Mel頻率倒譜系數(shù)（Mel frequency cepstrum coefficients，MFCC）參數(shù)提取算法為基礎(chǔ)的孤立詞自動(dòng)語音識(shí)別系統(tǒng)；然后結(jié)合機(jī)器人語音識(shí)別的需求，基于凌陽SPCE061A 設(shè)計(jì)了和實(shí)現(xiàn)了語音識(shí)別應(yīng)用系統(tǒng)，基于該研究結(jié)果構(gòu)建了相應(yīng)的實(shí)驗(yàn)方案，并提供本科生學(xué)習(xí)使用。具體說來，包括下面2個(gè)實(shí)驗(yàn)設(shè)計(jì)目標(biāo)：

（1）基于Matlab實(shí)現(xiàn)以DTW 算法和MFCC 參數(shù)提取算法為基礎(chǔ)的孤立詞自動(dòng)語音識(shí)別演示實(shí)驗(yàn)，展示給學(xué)生語音識(shí)別原理，增強(qiáng)學(xué)生結(jié)合應(yīng)用思考和解決實(shí)際問題的能力；

（2）基于凌陽SPCE061A 完成機(jī)器人語音識(shí)別系統(tǒng)的半開放實(shí)驗(yàn)（為了便于學(xué)習(xí)語音識(shí)別算法在實(shí)際中的應(yīng)用，開放語音識(shí)別算法設(shè)計(jì)部分，固化硬件電路部分），提供給學(xué)生對(duì)機(jī)器人語音識(shí)別算法應(yīng)用研究和改進(jìn)的平臺(tái)。

2 實(shí)驗(yàn)設(shè)計(jì)與實(shí)現(xiàn)

2.1 語音識(shí)別原理

對(duì)于孤立詞來講，使用模板匹配方法進(jìn)行語音識(shí)別，一般就是把整個(gè)單詞作為識(shí)別單元。在訓(xùn)練階段，將詞匯表中的每個(gè)詞語依次說一遍，然后將其特征矢量時(shí)間序列作為模板存入模板庫。在識(shí)別階段，將輸入語音的特征矢量時(shí)間序列依次與模板庫中的每個(gè)模板進(jìn)行相似度比較，選擇相似度最高的作為識(shí)別結(jié)果［1－4］。一個(gè)完整的孤立詞語音識(shí)別系統(tǒng)通常包括語音的輸入、語音信號(hào)的預(yù)處理、特征提取和訓(xùn)練與識(shí)別等環(huán)節(jié)，基本構(gòu)成如圖1所示［5－9］。

圖1 典型的語音識(shí)別系統(tǒng)

（1）預(yù)處理：包括對(duì)語音數(shù)據(jù)進(jìn)行去噪、預(yù)加重、分幀、加窗等處理。

（2）特征提?。赫Z音識(shí)別很重要的一環(huán)就是特征參數(shù)提取，提取的特征參數(shù)能有效地代表語音特征，具有很好的區(qū)分性，各階參數(shù)之間有良好的獨(dú)立性。

（3）訓(xùn)練：在訓(xùn)練階段，將特征參數(shù)進(jìn)行一定的處理之后，為每個(gè)詞條得到一個(gè)模型，保存為模板庫。

（4）識(shí)別：在識(shí)別階段，語音信號(hào)經(jīng)過相同的通道得到語音參數(shù)，生成測(cè)試模版，并與參考模版進(jìn)行匹配，將匹配分?jǐn)?shù)最高的參考模版作為識(shí)別結(jié)果。

（5）專家知識(shí)：對(duì)于不同的語言有不同的語言學(xué)專家知識(shí)庫，可以在很多先驗(yàn)知識(shí)的幫助下，提高識(shí)別的準(zhǔn)確率［10－14］。

2.2 系統(tǒng)結(jié)構(gòu)和硬件電路

（1）在基于Matlab實(shí)現(xiàn)以DTW 算法和MFCC參數(shù)提取算法為基礎(chǔ)的孤立詞自動(dòng)語音識(shí)別演示實(shí)驗(yàn)中，基于PC 機(jī)的語音識(shí)別系統(tǒng)的語音采集過程見圖2。語音聲波通過話筒輸入到聲卡后直接獲得的是經(jīng)過濾波、A／D 變換、量化處理的離散的數(shù)字信號(hào)。獲得語音信號(hào)后，在Matlab環(huán)境中實(shí)現(xiàn)如圖1的語音訓(xùn)練和識(shí)別［15］。

圖2 基于PC機(jī)的語音錄制過程框圖

（2）在基于凌陽SPCE061A 完成機(jī)器人語音識(shí)別系統(tǒng)的半開放實(shí)驗(yàn)中，系統(tǒng)結(jié)構(gòu)圖見圖3。獲得語音信號(hào)后，在凌陽SPCE061A 中實(shí)現(xiàn)如圖1的語音訓(xùn)練和識(shí)別。

圖3 SPCE061A語音識(shí)別系統(tǒng)結(jié)構(gòu)框圖

2.3 機(jī)器人語音識(shí)別算法設(shè)計(jì)

這里主要采用基于DTW 算法和MFCC 參數(shù)提取算法實(shí)現(xiàn)語音識(shí)別，因?yàn)閷?shí)驗(yàn)設(shè)計(jì)不同，控制器開放程度不一樣，所以具體設(shè)計(jì)見2.4和2.5節(jié)。

2.4 機(jī)器人語音識(shí)別演示實(shí)驗(yàn)設(shè)計(jì)與實(shí)現(xiàn)

2.4.1 實(shí)驗(yàn)?zāi)康?/p>

實(shí)驗(yàn)?zāi)康模簬椭鷮W(xué)生理解語音識(shí)別原理；基于Matlab實(shí)現(xiàn)孤立詞語音識(shí)別，培養(yǎng)學(xué)生語音識(shí)別算法設(shè)計(jì)和應(yīng)用的興趣。

2.4.2 實(shí)驗(yàn)內(nèi)容和實(shí)驗(yàn)步驟

（1）利用Windows自帶的錄音機(jī)錄制語音文件，由聲卡（見圖2）完成語音波形的A／D 轉(zhuǎn)換，獲得Wave文件，提供后續(xù)處理語音文件。

（2）用wavread函數(shù)讀入錄制的Wave文件，用Soundview 函數(shù)可以將錄制語音信號(hào)的波形圖顯示出來，用vad函數(shù)對(duì)其進(jìn)行端點(diǎn)檢測(cè)。

（3）對(duì)語音信號(hào)進(jìn)行預(yù)處理和端點(diǎn)檢測(cè)后，用MFCC函數(shù)提取語音信號(hào)的特征參數(shù)，用DTW 函數(shù)實(shí)現(xiàn)語音識(shí)別，在Matlab命令窗口中輸入‘testdtw’，可以得到語音識(shí)別結(jié)果。

2.5 機(jī)器人語音識(shí)別半開放實(shí)驗(yàn)

2.5.1 實(shí)驗(yàn)?zāi)康?/p>

基于凌陽SPCE061A 完成機(jī)器人語音識(shí)別系統(tǒng)的半開放實(shí)驗(yàn)。為了便于學(xué)習(xí)語音識(shí)別算法在實(shí)際中的應(yīng)用，開放語音識(shí)別算法設(shè)計(jì)部分，固化硬件電路部分，提供給學(xué)生對(duì)機(jī)器人語音識(shí)別算法應(yīng)用研究和改進(jìn)的平臺(tái)。

2.5.2 實(shí)驗(yàn)內(nèi)容和實(shí)驗(yàn)步驟

（1）按圖3連接系統(tǒng)。

（2）在集成開發(fā)環(huán)境unSP IDE2.0.0 中編寫程序，編譯、鏈接、調(diào)試好程序后，根據(jù)SPCE061A 的開發(fā)方法，把程序下載到SPCE061A 開發(fā)板上進(jìn)行軟硬件聯(lián)調(diào)。

（3）現(xiàn)有語音識(shí)別人機(jī)交互系統(tǒng)實(shí)例：通過3條語句的訓(xùn)練演示特定人連續(xù)音識(shí)別，其中第1條語句為觸發(fā)命令，在程序一開始為訓(xùn)練名稱，即觸發(fā)命令，然后提示訓(xùn)練2條命令（根據(jù)機(jī)器人的設(shè)計(jì)要求，自定義觸發(fā)名稱為“小車”，2條命令為“過來”和“撿球”），訓(xùn)練完畢開始辨識(shí)，當(dāng)識(shí)別出觸發(fā)名稱后，發(fā)布命令則會(huì)聽到應(yīng)答，相關(guān)I／O 口的輸出變?yōu)榈碗娖健Ｈ藱C(jī)交互系統(tǒng)語音訓(xùn)練階段和識(shí)別階段的具體命令分別如表1和表2所示［15］：

表1 人機(jī)交互語音訓(xùn)練階段命令

表2 人機(jī)交互語音識(shí)別階段

即根據(jù)提示音進(jìn)行連續(xù)語音訓(xùn)練，將“小車”、“過來”、“撿球”3條語句存入存儲(chǔ)器中，提取特征參數(shù)作為參考模板；然后進(jìn)行語音識(shí)別測(cè)試，對(duì)“小車”、“過來”、“撿球”中的每條語句分別進(jìn)行測(cè)試。每次正確識(shí)別出語音后，用萬用表測(cè)試IOB口的端口電平，以端口電平的高低來判斷每次IOB口輸出是否為正確信號(hào)。

可在上述2個(gè)實(shí)驗(yàn)中添加代碼，實(shí)現(xiàn)更高識(shí)別率的算法或者研究更復(fù)雜語音（連續(xù)語音、噪聲環(huán)境下的語音）的識(shí)別，算法學(xué)生自行設(shè)計(jì)。

3 結(jié)束語

機(jī)器人語音識(shí)別系統(tǒng)實(shí)驗(yàn)設(shè)計(jì)與實(shí)現(xiàn)是由學(xué)生林錫海的本科畢業(yè)設(shè)計(jì)工作完成的，特此表示感謝。在相關(guān)基金項(xiàng)目的資助下正準(zhǔn)備將機(jī)器人語音識(shí)別系統(tǒng)實(shí)驗(yàn)引入本科實(shí)驗(yàn)教學(xué)中，已經(jīng)經(jīng)過部分學(xué)生和教師的試運(yùn)行，受到好評(píng)。實(shí)踐表明：這種將本科學(xué)生的畢業(yè)設(shè)計(jì)與實(shí)驗(yàn)室建設(shè)相結(jié)合，在實(shí)驗(yàn)設(shè)備緊張的情況下，既能讓學(xué)生有機(jī)會(huì)參與具體實(shí)踐，同時(shí)學(xué)生的優(yōu)秀設(shè)計(jì)可以服務(wù)于實(shí)驗(yàn)室建設(shè)，為后屆學(xué)生提供參考和開設(shè)新的實(shí)驗(yàn)項(xiàng)目，也使實(shí)驗(yàn)資源得到了充分利用。

（

）

［1］邢銘生，朱浩，王宏斌.語音識(shí)別技術(shù)綜述［J］.科協(xié)論壇，2010（3）：62－63.

［2］Lawrence Rabiner，Biing－Hwang Juang.Fundamentals of Speech Recognition［J］.New Jersey：Prentice Hall，1993：210－241.

［3］劉么和，宋庭新.語音識(shí)別與控制應(yīng)用技術(shù)［M］.北京：科學(xué)出版社，2008.

［4］Sakoe H，Chiba S.Dynamic programming optimization for spoken word recognition［J］.IEEE Trans Acoustics，Speech，Signal Proc，1978，26（1）：43－49.

［5］韓紀(jì)慶，張磊.語音信號(hào)處理［M］.北京：清華大學(xué)出版社，2004.

［6］曾靚.小語音庫的語音識(shí)別及實(shí)現(xiàn)［D］.廣州：中山大學(xué)，2009.

［7］Shariah M A M，Ainon R N，Zainuddin R，et al.Human Computer Interaction Using Isolated－Words Speech Recognition Technology［C］／／International Conference on Intelligent and Advanced Systems，2007：1173－1178.

［8］何強(qiáng)，何英.MATLAB擴(kuò)展編程［M］.北京：清華大學(xué)出版社，2002.

［9］馬莉，黨幼云.特定人孤立詞語音識(shí)別系統(tǒng)的仿真與分析［J］.西安工程科技學(xué)院學(xué)報(bào)，2007，21（3）：371－373.

［10］楊雪松.面向智能服務(wù)機(jī)器人的非特定人交互口令語音識(shí)別系統(tǒng)研究［D］.北京：北京大學(xué)，2009.

［11］李守軒.輪椅機(jī)器人語音識(shí)別控制系統(tǒng)的研究與實(shí)現(xiàn)［D］.南昌：南昌大學(xué)，2007.

［12］羅亞非.凌陽16位單片機(jī)應(yīng)用基礎(chǔ)［M］.北京：北京航空航天大學(xué)出版社，2005.

［13］張震宇，王華，于愛華.基于SPCE061A 語音單片機(jī)的智能小車的控制［J］.浙江科技學(xué)院學(xué)報(bào)，2007，19（1）：27－30.

［14］汪敏，周鵬.凌陽16位單片機(jī)實(shí)驗(yàn)與實(shí)踐［M］.北京：北京航空航天大學(xué)出版社，2007.

［15］林錫海.召喚式撿球機(jī)器人的語音識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［D］.廣州：廣東工業(yè)大學(xué)，2011.