語音識(shí)別是以語音為研究對(duì)象語音識(shí)別模塊如何接入電話機(jī)器人，通過語音信號(hào)處理和模式識(shí)別讓機(jī)器自動(dòng)識(shí)別和理解人類口述的語言。語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程把語 音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語音識(shí)別是一門涉及面很廣的交叉學(xué)科，它與聲學(xué)、語音學(xué)、語言學(xué)、信息理論、模式識(shí)別理論以及神經(jīng)生物學(xué)等學(xué)科都 有非常密切的關(guān)系。語音識(shí)別技術(shù)正逐步成為計(jì)算機(jī)信息處理技術(shù)中的關(guān)鍵技術(shù)，語音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。

1語音識(shí)別的基本原理

語音識(shí)別系統(tǒng)本質(zhì)上是一種模式識(shí)別系統(tǒng)，包括特征提取、模式匹配、參考模式庫(kù)等三個(gè)基本單元，它的基本結(jié)構(gòu)如下圖所示語音識(shí)別模塊如何接入電話機(jī)器人：

未知語音經(jīng)過話筒變換成電信號(hào)后加在識(shí)別系統(tǒng)的輸入端，首先經(jīng)過預(yù)處理，再根據(jù)人的語音特點(diǎn)建立語音模型，對(duì)輸入的語音信號(hào)進(jìn)行分析，并抽取所需的特 征，在此基礎(chǔ)上建立語音識(shí)別所需的模板。而計(jì)算機(jī)在識(shí)別過程中要根據(jù)語音識(shí)別的模型，將計(jì)算機(jī)中存放的語音模板與輸入的語音信號(hào)的特征進(jìn)行比較，根據(jù)一定 的搜索和匹配策略，找出一系列最優(yōu)的與輸入語音匹配的模板。然后根據(jù)此模板的定義，通過查表就可以給出計(jì)算機(jī)的識(shí)別結(jié)果。顯然，這種最優(yōu)的結(jié)果與特征的選 擇、語音模型的好壞、模板是否準(zhǔn)確都有直接的關(guān)系。

2語音識(shí)別的方法

目前具有代表性的語音識(shí)別方法主要有動(dòng)態(tài)時(shí)間規(guī)整技術(shù)（DTW）、隱馬爾可夫模型（HMM）、矢量量化（VQ）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）等方法。

動(dòng)態(tài)時(shí)間規(guī)整算法（Dynamic Time Warping，DTW）是在非特定人語音識(shí)別中一種簡(jiǎn)單有效的方法，該算法基于動(dòng)態(tài)規(guī)劃的思想，解決語音識(shí)別模塊如何接入電話機(jī)器人了發(fā)音長(zhǎng)短不一的模板匹配問題，是語音識(shí)別技術(shù)中出 現(xiàn)較早、較常用的一種算法。在應(yīng)用DTW算法進(jìn)行語音識(shí)別時(shí)，就是將已經(jīng)預(yù)處理和分幀過的語音測(cè)試信號(hào)和參考語音模板進(jìn)行比較以獲取他們之間的相似度，按 照某種距離測(cè)度得出兩模板間的相似程度并選擇最佳路徑。

隱馬爾可夫模型（HMM）是語音信號(hào)處理中的一種統(tǒng)計(jì)模型，是由Markov鏈 演變來的，所以它是基于參數(shù)模型的統(tǒng)計(jì)識(shí)別方法。由于其模式庫(kù)是通過反復(fù)訓(xùn)練形成的與訓(xùn)練輸出信號(hào)吻合概率最大的最佳模型參數(shù)而不是預(yù)先儲(chǔ)存好的模式樣 本，且其識(shí)別過程中運(yùn)用待識(shí)別語音序列與HMM參數(shù)之間的似然概率達(dá)到最大值所對(duì)應(yīng)的最佳狀態(tài)序列作為識(shí)別輸出，因此是較理想的語音識(shí)別模型。

矢量量化（Vector Quantization）是一種重要的信號(hào)壓縮方法。與HMM相比，矢量量化主要適用于小詞匯量、孤立詞的語音識(shí)別中。其過程是將若干個(gè)語音信號(hào)波形或 特征參數(shù)的標(biāo)量數(shù)據(jù)組成一個(gè)矢量在多維空間進(jìn)行整體量化。把矢量空間分成若干個(gè)小區(qū)域，每個(gè)小區(qū)域?qū)ふ乙粋€(gè)代表矢量，量化時(shí)落入小區(qū)域的矢量就用這個(gè)代表 矢量代替。矢量量化器的設(shè)計(jì)就是從大量信號(hào)樣本中訓(xùn)練出好的碼書，從實(shí)際效果出發(fā)尋找到好的失真測(cè)度定義公式，設(shè)計(jì)出最佳的矢量量化系統(tǒng)，用最少的搜索和 計(jì)算失真的運(yùn)算量實(shí)現(xiàn)最大可能的平均信噪比。

在實(shí)際的應(yīng)用過程中，人們還研究了多種降低復(fù)雜度的方法，包括無記憶的矢量量化、有記憶的矢量量化和模糊矢量量化方法。

人工神經(jīng)網(wǎng)絡(luò)（ANN）是20世紀(jì)80年代末期提出的一種新的語音識(shí)別方法。其本質(zhì)上是一個(gè)自適應(yīng)非線性動(dòng)力學(xué)系統(tǒng)，模擬了人類神經(jīng)活動(dòng)的原理，具有自 適應(yīng)性、并行性、魯棒性、容錯(cuò)性和學(xué)習(xí)特性，其強(qiáng)大的分類能力和輸入—輸出映射能力在語音識(shí)別中都很有吸引力。其方法是模擬人腦思維機(jī)制的工程模型，它與 HMM正好相反，其分類決策能力和對(duì)不確定信息的描述能力得到舉世公認(rèn)，但它對(duì)動(dòng)態(tài)時(shí)間信號(hào)的描述能力尚不盡如人意，通常MLP分類器只能解決靜態(tài)模式分 類問題，并不涉及時(shí)間序列的處理。盡管學(xué)者們提出了許多含反饋的結(jié)構(gòu)，但它們?nèi)圆蛔阋钥坍嬛T如語音信號(hào)這種時(shí)間序列的動(dòng)態(tài)特性。由于ANN不能很好地描述 語音信號(hào)的時(shí)間動(dòng)態(tài)特性，所以常把ANN與傳統(tǒng)識(shí)別方法結(jié)合，分別利用各自優(yōu)點(diǎn)來進(jìn)行語音識(shí)別而克服HMM和ANN各自的缺點(diǎn)。近年來結(jié)合神經(jīng)網(wǎng)絡(luò)和隱含 馬爾可夫模型的識(shí)別算法研究取得了顯著進(jìn)展，其識(shí)別率已經(jīng)接近隱含馬爾可夫模型的識(shí)別系統(tǒng)，進(jìn)一步提高了語音識(shí)別的魯棒性和準(zhǔn)確率。

支持向量機(jī)（Support vector machine）是應(yīng)用統(tǒng)計(jì)學(xué)理論的一種新的學(xué)習(xí)機(jī)模型，采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理（Structural Risk Minimization，SRM），有效克服了傳統(tǒng)經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化方法的缺點(diǎn)。兼顧訓(xùn)練誤差和泛化能力，在解決小樣本、非線性及高維模式識(shí)別方面有許多 優(yōu)越的性能，已經(jīng)被廣泛地應(yīng)用到模式識(shí)別領(lǐng)域。

3語音識(shí)別系統(tǒng)的分類

語音識(shí)別 系統(tǒng)可以根據(jù)對(duì)輸入語音的限制加以分類。如果從說話者與識(shí)別系統(tǒng)的相關(guān)性考慮，可以將識(shí)別系統(tǒng)分為三類語音識(shí)別模塊如何接入電話機(jī)器人：（1）特定人語音識(shí)別系統(tǒng)。僅考慮對(duì)于專人的話音 進(jìn)行識(shí)別。（2）非特定人語音系統(tǒng)。識(shí)別的語音與人無關(guān)，通常要用大量不同人的語音數(shù)據(jù)庫(kù)對(duì)識(shí)別系統(tǒng)進(jìn)行學(xué)習(xí)。（3）多人的識(shí)別系統(tǒng)。通常能識(shí)別一組人的 語音，或者成為特定組語音識(shí)別系統(tǒng)，該系統(tǒng)僅要求對(duì)要識(shí)別的那組人的語音進(jìn)行訓(xùn)練。

如果從說話的方式考慮，也可以將識(shí)別系統(tǒng)分為三類： （1）孤立詞語音識(shí)別系統(tǒng)。孤立詞識(shí)別系統(tǒng)要求輸入每個(gè)詞后要停頓。（2）連接詞語音識(shí)別系統(tǒng)。連接詞輸入系統(tǒng)要求對(duì)每個(gè)詞都清楚發(fā)音，一些連音現(xiàn)象開始 出現(xiàn)。（3）連續(xù)語音識(shí)別系統(tǒng)。連續(xù)語音輸入是自然流利的連續(xù)語音輸入，大量連音和變音會(huì)出現(xiàn)。

如果從識(shí)別系統(tǒng)的詞匯量大小考慮，也可 以將識(shí)別系統(tǒng)分為三類：（1）小詞匯量語音識(shí)別系統(tǒng)。通常包括幾十個(gè)詞的語音識(shí)別系統(tǒng)。（2）中等詞匯量的語音識(shí)別系統(tǒng)。通常包括幾百個(gè)詞到上千個(gè)詞的識(shí) 別系統(tǒng)。（3）大詞匯量語音識(shí)別系統(tǒng)。通常包括幾千到幾萬個(gè)詞的語音識(shí)別系統(tǒng)。隨著計(jì)算機(jī)與數(shù)字信號(hào)處理器運(yùn)算能力以及識(shí)別系統(tǒng)精度的提高，識(shí)別系統(tǒng)根據(jù) 詞匯量大小進(jìn)行分類也不斷進(jìn)行變化。目前是中等詞匯量的識(shí)別系統(tǒng)，將來可能就是小詞匯量的語音識(shí)別系統(tǒng)。這些不同的限制也確定了語音識(shí)別系統(tǒng)的困難度。

4語音識(shí)別概述

語音識(shí)別技術(shù)，Automatic Speech Recognition，簡(jiǎn)稱ASR，是一種讓機(jī)器聽懂人類語言的技術(shù)。語言是人類進(jìn)行信息交流的最主要、最長(zhǎng)用、最直接的方式。語音識(shí)別技術(shù)是實(shí)現(xiàn)人機(jī)對(duì)話的一項(xiàng)重大突破，在國(guó)外近年來發(fā)展十分迅速，其應(yīng)用也逐步得到推廣。近幾年逐漸普及的IVR（自動(dòng)電話應(yīng)答）處理了不少簡(jiǎn)單而又重復(fù)的咨詢工作，節(jié)省了不少人力，但這種按鍵式的語音自動(dòng)應(yīng)答卻讓客戶花費(fèi)很多時(shí)間按指引來完成簡(jiǎn)單的查詢，令用戶倍感不便。

語音識(shí)別無疑可以解決該方面的問題。語音識(shí)別系統(tǒng)的開發(fā)成功，充分發(fā)揮了計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的優(yōu)勢(shì)，采用先進(jìn)的人機(jī)對(duì)話方式，擺脫電話按鍵的束縛，人們只要象平常一樣對(duì)著電話簡(jiǎn)單的說出所需服務(wù)項(xiàng)目，即可輕松獲取自動(dòng)系統(tǒng)提供的所需信息。

5語音識(shí)別應(yīng)用

Nuance公司是自然語音接口軟件的佼佼者。使用自然語音接口軟件，人們可以通過電話方便安全地獲取信息、服務(wù)并進(jìn)行交易。每天，千千萬萬的人通過撥打運(yùn)行Nuance公司語音識(shí)別、語言理解和聲紋鑒別軟件的電話，進(jìn)行出游預(yù)訂、股票交易、與其它通訊媒體、企業(yè)和互聯(lián)網(wǎng)系統(tǒng)進(jìn)行交往等活動(dòng)。 NUANCE的應(yīng)用：美國(guó)航空、Bell Atlantic、Charles Schwab、家庭購(gòu)物網(wǎng)絡(luò)、Lloyds TSB、Sears、UPS 。

NUANCE語音識(shí)別特點(diǎn)

（1）海量詞匯、獨(dú)立于講話者的健壯識(shí)別功能

Nuance系統(tǒng)能可靠地對(duì)多種語言進(jìn)行大詞匯量的識(shí)別，并可提供識(shí)別結(jié)果的置信度。該系統(tǒng)對(duì)商業(yè)上使用的大量詞匯提供最準(zhǔn)確的語音識(shí)別技術(shù)。利用Nuance系統(tǒng)開發(fā)的應(yīng)用程序，在市場(chǎng)上具有最高的準(zhǔn)確率。生產(chǎn)中的應(yīng)用程序經(jīng)測(cè)試，準(zhǔn)確性超過96%。

（2）基于主機(jī)的客戶/服務(wù)機(jī)結(jié)構(gòu)

Nuance系統(tǒng)基于開放式客戶/服務(wù)機(jī)結(jié)構(gòu)，特別為大型應(yīng)用程序所需的健壯性和可伸縮性而設(shè)計(jì)。呼叫者的講話由客戶端收集，而識(shí)別和鑒別處理的負(fù)載被平均分配到網(wǎng)絡(luò)上的多個(gè)分開的服務(wù)器上。

（3）N-Best處理

對(duì)于有些應(yīng)用程序，可能需要識(shí)別引擎產(chǎn)生可能的識(shí)別結(jié)果集，而不是一個(gè)最好的結(jié)果。Nuance系統(tǒng)的N-best識(shí)別處理方法便有這個(gè)功能，它提供了可能的識(shí)別結(jié)果列表，并按可能性從高到低排列。

（4）語法概率

Nuance系統(tǒng)允許對(duì)呼叫者所講的特定詞語或短語的在語法中的概率進(jìn)行指定。當(dāng)被講的詞語或短語的概率可根據(jù)實(shí)際使用進(jìn)行估計(jì)時(shí)，非常有用。對(duì)語法增加概率可提高識(shí)別的準(zhǔn)確率和速度。

（5）降低噪音

當(dāng)進(jìn)來的呼叫包含穩(wěn)定的背景噪音時(shí)，Nuance系統(tǒng)通過一種機(jī)制，使識(shí)別服務(wù)器更準(zhǔn)確地進(jìn)行識(shí)別。識(shí)別服務(wù)器將進(jìn)來的話語進(jìn)行增強(qiáng)，以有效地將語氣、嗡嗡聲、哼叫聲、噓噓聲等噪聲過濾。如果相當(dāng)數(shù)量的電話均含有穩(wěn)定的背景噪聲，比如在汽車上免提打電話時(shí)，這個(gè)機(jī)制效果較理想。

6.基于識(shí)別的應(yīng)用

語音短信本身業(yè)務(wù)、公司電話簿、個(gè)人電話簿、智能點(diǎn)歌、股票查詢和交易、智能信息點(diǎn)播、列車時(shí)刻查詢

公司電話簿特點(diǎn)

?系統(tǒng)支持電話接入方式

用戶可通過電話修改個(gè)人密碼，個(gè)人上班電話和非上班電話

?系統(tǒng)支持WEB接入方式

? 系統(tǒng)管理員可修改所有信息

? 各公司管理員可增加，刪除，修改本公司的電話信息

7語音識(shí)別單元設(shè)計(jì)

目前，語音識(shí)別技術(shù)的發(fā)展十分迅速，按照識(shí)別對(duì)象的類型可以分為特定人和非特定人語音識(shí)別。特定人是指識(shí)別對(duì)象為專門的人，非特定人是指識(shí)別對(duì)象是針對(duì)大多數(shù)用戶，一般需要采集多個(gè)人的語音進(jìn)行錄音和訓(xùn)練，經(jīng)過學(xué)習(xí)，從而達(dá)到較高的識(shí)別率。

本文采用的LD3320語音識(shí)別芯片是一顆基于非特定人語音識(shí)別技術(shù)的芯片。該芯片上集成了高精度的A/D 和D/A 接口，不再需要外接輔助的FLASH 和RAM，即可以實(shí)現(xiàn)語音識(shí)別、聲控、人機(jī)對(duì)話功能，提供了真正的單芯片語音識(shí)別解決方案。并且，識(shí)別的關(guān)鍵詞語列表是可以動(dòng)態(tài)編輯的。其語音識(shí)別過程如 圖2所示。

語音識(shí)別單元采用ATmega168 作為MCU，負(fù)責(zé)控制LD3320完成所有和語音識(shí)別相關(guān)的工作，并將識(shí)別結(jié)果通過串口上傳至Arduino mega2560 控制器。對(duì)LD3320芯片的各種操作，都必須通過寄存器的操作來完成，寄存器讀寫操作有2種方式（標(biāo)準(zhǔn)并行方式和串行SPI方式）。在此采用并行方式， 將LD3320的數(shù)據(jù)端口與MCU的I/O口相連。其硬件連接圖如圖3所示。

語音識(shí)別流程采用中斷方式工作，其工作流程分為初始化、寫入關(guān)鍵詞、開始識(shí)別和響應(yīng)中斷等。MCU的程序采用ARDUINO IDE編寫［5］，調(diào)試完成后通過串口進(jìn)行燒錄，控制LD3320完成語音識(shí)別，并將識(shí)別結(jié)果上傳至Arduino mega2560控制器。其軟件流程如圖4所示。

8系統(tǒng)軟件設(shè)計(jì)

示教與回放系統(tǒng)的軟件設(shè)計(jì)包括測(cè)控計(jì)算機(jī)的軟件設(shè)計(jì)和各從設(shè)備Arduino mega260控制器的軟件設(shè)計(jì)。

測(cè)控計(jì)算機(jī)是整個(gè)系統(tǒng)的控制核心，其軟件采用C#進(jìn)行編寫，在示教與回放系統(tǒng)中主要是對(duì)操作數(shù)據(jù)的記錄以便根據(jù)所記錄的數(shù)據(jù)對(duì)操作過程進(jìn)行精確回放，需 要記錄的數(shù)據(jù)包括：各從設(shè)備操作人員的操作口令，操作動(dòng)作，口令及動(dòng)作時(shí)間，各操作對(duì)應(yīng)的操作現(xiàn)象。為簡(jiǎn)化記錄數(shù)據(jù)，事先編制好各事件代碼，記錄過程只記 錄代碼，大大提高程序效率。建立結(jié)構(gòu)體如下：

在操作訓(xùn)練過程中測(cè)控計(jì)算機(jī)每隔50 ms 對(duì)下位機(jī)進(jìn)行控制及輪詢，并記錄反饋數(shù)據(jù)，在數(shù)據(jù)記錄時(shí)以50 ms 為一個(gè)單位。采用定時(shí)器對(duì)時(shí)間進(jìn)行控制。在回放過程中首先比對(duì)當(dāng)前時(shí)間和所記錄的時(shí)間，當(dāng)所記錄的時(shí)間與當(dāng)前時(shí)間吻合時(shí)測(cè)控計(jì)算機(jī)控制下位機(jī)執(zhí)行該事件， 完成事件回放。

Arduino mega2560控制器負(fù)責(zé)接收測(cè)控計(jì)算機(jī)的控制指令并執(zhí)行指令，讀取語音識(shí)別結(jié)果，對(duì)聲強(qiáng)數(shù)據(jù)采集和處理，控制語音合成單元進(jìn)行語音合成等。Arduinomega2560 控制器采用串口中斷的方式進(jìn)行命令接收。

只有正確接收到命令才會(huì)執(zhí)行并回傳結(jié)果，若測(cè)控計(jì)算機(jī)在限定時(shí)間內(nèi)未收到回傳結(jié)果則表明發(fā)生錯(cuò)誤，測(cè)控計(jì)算機(jī)需重新發(fā)送。數(shù)據(jù)接收流程圖如圖8所示。

本文介紹了語音識(shí)別基本知識(shí)，同時(shí)利用智能語音芯片設(shè)計(jì)了某模擬訓(xùn)練器的示教與回放系統(tǒng)，該系統(tǒng)不需要現(xiàn)在流行的虛擬現(xiàn)實(shí)技術(shù)的支持，僅在MCU 的控制下就可以運(yùn)行。該系統(tǒng)也可以在小型的便攜式設(shè)備上實(shí)現(xiàn)，具有良好的應(yīng)用前景。