Q博士語音識別機器人制作

1、語音識別機器人制作編輯：robotain 來源：網(wǎng)絡(luò) 2009-12-06 發(fā)表評論 方案簡介說明書1 方案概述語音識別機器人可以充分發(fā)揮學生的創(chuàng)新能力，增加學生的動手實踐能力，增加學生學習單片機的興趣愛好。本方案以SPCE061A 單片機為核心，改裝市場上的玩具機器人，使改裝后的機器人具有語音識別能力，根據(jù)識別的語音完成跳舞等動作，這也是智能機器人的一個方面。1.1 設(shè)計要求利用SPCE061A 單片機、機器人機體（包括2 個用于走路的電機、1 個用于頭部旋轉(zhuǎn)的電機、1 個用于加速1 個用于彈射的電機等），要求語音識別機器人具有下述功能：1. 通過語音命令對其進行控制。2. 兩種跳舞模式。3

2、. 走步功能、轉(zhuǎn)向功能、轉(zhuǎn)頭功能。4. 發(fā)射飛盤功能。1.2 技術(shù)要求1. 要求語音識別機器人可以識別15 條命令。2. 要求語音識別機器人具有2 種跳舞模式。2 方案設(shè)計簡介2.1 硬件框圖系統(tǒng)以SPCE061A 為核心，結(jié)合機器人機體，如下圖所示。 2.2 功能框圖SPCE061A 應用方案SPCE061A 在語音識別機器人中的應用在現(xiàn)代社會機器人這個詞語已經(jīng)不再新鮮，而且形形色色的機器人出現(xiàn)在我們的日常生活中。為了提高廣大單片機愛好者學習單片機的興趣與愛好，凌陽科技 大學計劃教育推廣中心推出了應用SPCE061A 控制的興趣產(chǎn)品語音識別機器人，本文對語音識別機器人的軟硬件制作進

3、行介紹。1 引言為了提高廣大單片機愛好者學習單片機的興趣，凌陽科技大學計劃教育推廣中心推出了應用SPCE061A 作為主控制器，外加電機驅(qū)動電路制作的語音識別機器人。該機器人采用特定人語音識別對機器人進行控制，可以完成向前走、倒退、左轉(zhuǎn)、右轉(zhuǎn)、跳兩首舞曲、向 左瞄準、向右瞄準、發(fā)射、連續(xù)發(fā)射等功能。該語音識別機器人可以大大提高在校學生學習單片機的興趣。2 設(shè)計要求2.1 設(shè)計要求利用SPCE061A 單片機、機器人機體（包括2 個用于走路的電機、1 個用于頭部旋轉(zhuǎn)的電機、1個用于加速1 個用于彈射的電機等），要求語音識別機器人具有下述功能：通過語音命令對其進行控制。兩種跳舞模式。走步功能、轉(zhuǎn)向

4、功能、轉(zhuǎn)頭功能。發(fā)射飛盤功能。2.2 技術(shù)要求要求智能機器人可以識別15 條命令。要求智能機器人具有2 種跳舞模式。模組特性簡介3.1 SPCE061A 特性簡介SPCE061A 是凌陽科技研發(fā)生產(chǎn)的性價比很高的一款十六位單片機，使用它可以非常方便靈活的實現(xiàn)語音的錄放系統(tǒng)，該芯片擁有8 路10 位精度的ADC，其中一路為音頻轉(zhuǎn)換通道，并且內(nèi)置有自動增益電路。這為實現(xiàn)語音錄入提供了方便的硬件條件。兩路10 精度的DAC，只需要外接功放（SPY0030A）即可完成語音的播放。另外凌陽十六位單片機具有易學易用的效率較高的一套指令系統(tǒng)和集成開發(fā)環(huán)境。在此 環(huán)境中，支持標準C 語言，可以實現(xiàn)C 語言與凌

5、陽匯編語言的互相調(diào)用，并且，提供了語音錄放的庫函數(shù)，只要了解庫函數(shù)的使用，就會很容易完成語音錄放，這些都為軟件開發(fā)提供了方便的條 件：SPCE061A 片內(nèi)還集成了一個ICE（在線仿真電路）接口，使得對該芯片的編程、仿真都變得非常方便，而ICE 接口不占用芯片上的硬件資源，結(jié)合凌陽科技提供的集成開發(fā)環(huán)境（unSP IDE）用戶可以利用它對芯片進行真實的仿真；而程序的下載（燒寫）也是通過該接口進行下載。下圖為SPCE061A 單片機的內(nèi)部結(jié)構(gòu)框圖：3.2 芯片特性簡介SPCE061A 性能簡介：z 16 位unSP 微處理器z 工作電壓（CPU）VDD 為3.03.6V，（I/O）VDDH 為3

6、.05.5Vz CPU 時鐘：0.3249.152MHzz 內(nèi)置2K 字SRAMz 內(nèi)置32K 字FLASHz 可編程音頻處理z 晶體振蕩器z 系統(tǒng)處于備用狀態(tài)下（時鐘處于停止狀態(tài)），耗電僅為2uA/3.6Vz 2 個16 位可編程定時器/計數(shù)器（可自動預置初始計數(shù)值）z 2 個10 位DAC（數(shù)/模轉(zhuǎn)換）輸出通道z 32 位通用可編程輸入/輸出通道z 14 個中斷源可來自定時器A/B、時基、2 個外部時鐘源輸入和鍵喚醒z 具備觸鍵喚醒的功能z 使用凌陽音頻編碼SACM_S480 可以播放壓縮的語音資源z 鎖相環(huán)PLL 振蕩器提供系統(tǒng)時鐘信號z 32768Hz 實時時鐘z 7 通道10 位電壓

7、模/數(shù)轉(zhuǎn)換器（ADC）和單通道聲音模/數(shù)轉(zhuǎn)換器z 聲音模/數(shù)轉(zhuǎn)換器輸入通道內(nèi)置麥克風放大器，并具有自動增益控制（AGC）功能z 具備串行設(shè)備接口z 具備低電壓復位功能和低電壓檢測功能z 內(nèi)置在線仿真電路接口z 具有WatchDog 功能3.3 SPCE061A 精簡開發(fā)板SPCE061A 精簡開發(fā)板（簡稱61 板），是以凌陽16 位單片機SPCE061A 為核心的精簡開發(fā)仿真實驗板，大小相當于一張撲克牌，是“凌陽科技大學計劃”專為大學生、電子愛好者等進行電子實習、課程設(shè)計、畢業(yè)設(shè)計、電子制作及 電子競賽所設(shè)計的，也可作為單片機項目初期研發(fā)使用。61 板除了具備單片機最小系統(tǒng)電路外，還包括有電源

8、電路、音頻電路（含MIC 輸入部分和DAC 音頻輸出部分）、復位電路等，采用電池供電，方便學生隨身攜帶！使學生在掌握軟件的同時，熟悉單片機硬件的設(shè)計制作，鍛煉學生的動手能力，也為單片機 學習者和開發(fā)者創(chuàng)造了一個良好的學習條件和開發(fā)新產(chǎn)品的機會！61 板上有調(diào)試器接口（Probe 接口）以及下載線（EZ_Probe）接口，分別可接凌陽科技的在線調(diào)試器、簡易下載線，配合unSP IDE，可方便地在板上實現(xiàn)程序的下載、在線仿真調(diào)試。61 板上的主要功能模塊如下：SPCE061A 單片機最小系統(tǒng)外圍電路模塊； 電源輸入模塊；音頻電路（包含MIC 輸入、DAC 音頻功放輸出）模塊； 

9、按鍵模塊； I/O 端口接口模塊；調(diào)試、下載接口模塊；下圖為61 板的實物圖：3.4 機器人模組簡介3.4.1 機器人驅(qū)動電路圖機器人驅(qū)動電路圖如所示：機器人驅(qū)動電路采用功率較大的三極管搭成H 橋來驅(qū)動電機，可以實現(xiàn)電機的正向旋轉(zhuǎn)與電機的反向旋轉(zhuǎn)。這些電機包括2 個用于走路的電機與一個頭部轉(zhuǎn)向的電機。另外用了一個三極管驅(qū)動單向旋轉(zhuǎn)的電機，包括加速電機與發(fā)射電機，驅(qū)動電路比較簡單。3.4.2 主要功能通過語音命令對其進行控制；可以跳兩首舞曲；走步功能、轉(zhuǎn)向功能、轉(zhuǎn)頭功能；發(fā)射飛盤功能；3.4.3 機器人實物圖3.4.4 注意事項 機器人在發(fā)射飛盤時不要面向人，避免受傷機器人要

10、輕拿輕放應該避免摔打在安裝電池時注意正負極，否則容易燒壞機器人電機或主控制板4 系統(tǒng)總體方案介紹用61 板來控制機器人，使用了IOB7-IOB15 資源，另外使用了揚聲器。如圖 4-1 所示：61 板與機器人連線圖，如圖 4-2 所示：系統(tǒng)主要由61 板與機器人驅(qū)動電路構(gòu)成。61 板作為整個系統(tǒng)的主控板，驅(qū)動電路驅(qū)動電機。在主控板61 板的控制下完成各個動作。另外增加了特定人語音識別的功能，通過命令來控制機器人，使機器人智能化。5 系統(tǒng)的硬件設(shè)計5.1 SPCE061A 周邊模塊5.1.1 SPCE061A 最小系統(tǒng)SPCE061A 最小系統(tǒng)當中，包括SPCE061A 芯片外圍的基本模塊，有：

11、晶振輸入模塊（OSC）、鎖相環(huán)外圍電路（PLL）、復位電路（RESET）、指示燈（LED）等，如下圖所示。本系統(tǒng)，有關(guān)SPCE061A 單片機的最小系統(tǒng)的各個模塊都做在61 板當中，讀者可以查閱61 板的電路原理圖。5.1.2 電源模塊SPCE061A 的內(nèi)核供電為3.3V，而I/O 端口可接3.3V 也可以接5V，所以在電源模塊（61 板上）中有一個端口電平選擇跳線，如圖中的J5，下圖為61 板上的電源模塊圖。由于本系統(tǒng)需要的端口高電平為5V，所以圖圖 5-2 當中的J5 跳線需要跳到1 和2 上。5.1.3 放音模塊交通燈換向時有語音提示。放音利用的是SPCE061A 內(nèi)部的DAC，電路如

12、圖 5-3 所示。圖中的SPY0030是凌陽公司的產(chǎn)品。和LM386 相比，SPY0030 還是比較有優(yōu)勢的，比如LM386 工作電壓需在4V 以上，而SPY0030 僅需2.4V (兩顆電池)即可工作；LM386 輸出功率100mW 以下，SPY0030 約700mW。其他特性請參考SPY0030 的數(shù)據(jù)手冊。5.1.4 機器人硬件驅(qū)動電路機器人硬件原理圖如圖 5-4 所示：機器人驅(qū)動電路采用功率較大的三極管搭成H 橋來驅(qū)動電機，可以實現(xiàn)電機的正向旋轉(zhuǎn)與電機的反向旋轉(zhuǎn)。這些電機包括2 個用于走路的電機與一個頭部轉(zhuǎn)向的電機。另外用了一個三極管驅(qū)動單向旋轉(zhuǎn)的電機，包括加速電機與發(fā)射電機，驅(qū)動電路

13、比較簡單。6 所用語音算法介紹6.1 語音識別算法簡介6.1.1 語音識別概述：根據(jù)對說話人的依賴程度，分為：z 特定人語音識別（SD）：只能辨認特定使用者的語音，訓練->使用z 非特定人語音識別（SI）：可辨認任何人的語音，無須訓練根據(jù)對說話方式的要求，分為：z 孤立詞識別：每次只能識別單個詞匯z 連續(xù)語音識別：用者以正常語速說話，即可識別其中的語句6.1.2 語音識別原理語音識別原理參看下圖：6.1.3 SPCE061A 實現(xiàn)語音識別的步驟SPCE061A 實現(xiàn)語音識別的步驟，分為訓練部分與識別部分，以及在訓練、識別過程中中斷的情況，參考下圖：6.1.4 語音識別API 介紹BSR_

14、InitRecognizer(int AudioSource);初始化識別器BSR_Train(int WordID,int TrainMode);語音訓練BSR_DeleteSDGroup(int SDGroupNo);清除內(nèi)存BSR_PauseRecognizer()暫停識別，但不釋放中斷等資源BSR_ResumeRecognizer()恢復被暫停的識別BSR_GetRecognizerScore()獲得識別結(jié)果的可信度，返回值從-4096 到4096，數(shù)值越大表示輸入語音與特征模型的匹配度越高。BSR_EnableCPUIndicator()開啟CPU 狀態(tài)監(jiān)測功能。開啟該功能后，IOA

15、0 和IOA1 將發(fā)出每16ms 電平變化一次的方波。BSR_DisableCPUIndicator()關(guān)閉CPU 狀態(tài)監(jiān)測功能。BSR_ExportSDWord(int CommandID)使用函數(shù)庫時，會自動創(chuàng)建一個100 Word 的數(shù)組BSR_SDModel100，可以把某條訓練命令的特征模型數(shù)據(jù)導出到這個數(shù)組中。BSR_ImportSDWord(int CommandID)可以把BSR_SDModel 數(shù)組中的數(shù)據(jù)導入為某條語音命的特征模型。unsigned int BSR_SDModel;配合BSR_ExportSDWord(int CommandID)與BSR_ImportSDW

16、ord(int CommandID)函數(shù)使用，此數(shù)組的作用相當于一個暫時的存儲區(qū)。6.2 凌陽音頻概述語音處理大致可以分為A/D 采樣輸入、編碼處理、存儲、解碼處理以及D/A 等；SPCE061 解決方案：將A/D、編碼算法、解碼算法、存儲及D/A 作成相應的模塊，對于每個模塊都有其應用程序接口API，用戶只需了解每個模塊所要實現(xiàn)的功能及其參數(shù)的內(nèi)容，然后調(diào)用該API 函數(shù)即可實現(xiàn)語音處理功能。6.2.1 凌陽音頻壓縮算法的編碼標準表 6-1 是不同音頻質(zhì)量等級的編碼技術(shù)標準（頻響）：凌陽音頻壓縮算法處理的語音信號的范圍是200Hz3.4KHz 的電話話音。6.2.2 壓縮分類壓縮分無損壓縮和

17、有損壓縮。無損壓縮一般指：磁盤文件，壓縮比低：2:14:1。而有損壓縮則是指：音視頻文件，壓縮比可高達100:1。凌陽音頻壓縮算法根據(jù)不同的壓縮比分為以下幾種(具體可參見語音壓縮工具一節(jié)內(nèi)容)：SACM-A2000：壓縮比為8:，8:1.25，8:1.5SACM-S480： 壓縮比為80:3，80:4.5SACM-S240： 壓縮比為80:1.5按音質(zhì)排序：A2000>S480>S2406.2.3 凌陽常用的音頻形式和壓縮算法1) 波形編碼：sub-band 即SACM-A2000特點：高質(zhì)量、高碼率，適于高保真語音音樂。2) 參數(shù)編碼：聲碼器（vocoder）模型表達，抽取參數(shù)與

18、激勵信號進行編碼。如：SACM-S240。特點：壓縮比大，計算量大，音質(zhì)不高，廉價！3) 混合編碼：CELP 即SACM-S480特點：綜合參數(shù)和波形編碼之優(yōu)點。 本方案采用該編碼方式。除此之外,還具有FM 音樂合成方式即SACM-MS01。6.2.4 凌陽語音的播放、錄制、合成和辨識凌陽的SPCE061A 是16 位單片機，具有DSP 功能，有很強的信息處理能力，最高時鐘頻率可達到49MHz，具備運算速度高的優(yōu)勢等等，這些都無疑為語音的播放、錄放、合成及辨識提供了條件。凌陽壓縮 算法中SACM_A2000、SACM_S480、SACM_S240 主要是用來放音，可用于語音提示，而DVR 則用

19、來錄放音。對于音樂合成MS01，該算法較繁瑣，而且需要具備音樂理論、配器法及和聲學知識，所以對于特別愛好者可以到我們的網(wǎng)站去了解相關(guān)內(nèi)容，這 里只給出它的API 函數(shù)介紹及程序代碼的范例，僅供參考。6.2.5 常用的應用程序接口API 的功能介紹及應用表 6-2 所列出的是凌陽音頻的幾種算法。語音和音樂與我們的生活有著非常密切的關(guān)系，而單片機對語音的控制如錄放音、合成及辨識也廣泛應用在現(xiàn)實生活中。我們知道對于語音處理大致可以分為 A/D、編碼處理、存儲、解碼處理以及D/A 等。然而，通過麥克風輸入所生成的WAVE 文件，其占用的存儲空間很大，對于單片機來說想要存儲大量的信息顯然是不可能的，而凌

20、陽的SPCE061A 提出了解決的方法，即SACM-LIB，該庫將A/D、編碼、解碼、存儲及D/A 作成相應的模塊，對于每個模塊都有其應用程序接口API，所以您只需了解每個模塊所要實現(xiàn)的功能及其參數(shù)的內(nèi)容，然后調(diào)用該API 函數(shù)即可實現(xiàn)該功能，例如在程序中插入語音提示，或連續(xù)播放一段語音或音樂，也可以根據(jù)自己需要的空間或使用范圍選擇適合自己的算法。以下就SACM- S480 算法具體介紹其API 函數(shù)的格式、功能、參數(shù)、返回值、備注。（其它算法可以見附錄）該壓縮算法壓縮比較大80:3, 存儲容量大,音質(zhì)介于A2000 和S240 之間,適用于語音播放, 如“文曲星”詞庫等，所以我們這個方案就采

21、用了該算法。（只介紹程序中用到的函數(shù)，其他API 函數(shù)參考凌陽科技大學計劃網(wǎng)站）其相關(guān)API 函數(shù)如下所示：1）【API 格式】C：int SACM_S480_Initial(int Init_Index)ASM：R1= Init_IndexCall F_ SACM_ S480_Initial【功能說明】 SACM_S480 語音播放之前的初始化?！緟?shù)】 Init_Index=0 表示手動方式；Init_Index=1 則表示自動方式?！痉祷刂怠?0：代表語音模塊初始化失敗1：代表初始化成功。【備注】 該函數(shù)用于對定時器、中斷和DAC 等的初始化。2) 【API 格式】 C：void SAC

22、M_S480_ServiceLoop(void)ASM：Call F_ SACM_S480_ServiceLoop【功能說明】 從資源中獲取SACM_S480 語音資料，并將其填入解碼隊列中。【參數(shù)】 無。【返回值】 無。【備注】 播放語音文件中數(shù)據(jù)，當出現(xiàn)FF FF FFH 數(shù)據(jù)時便停止播放。3) 【API 格式】C：int SACM_S480_Play(int Speech_Index, int Channel, int Ramp_Set)；ASM：R1= Speech _IndexR2= ChannelR3= Ramp_SetCall SACM_S480_Play【功能說明】 播放資源中

23、SACM_S480 語音?！緟?shù)】 Speech _Index 表示語音索引號。Channel：1.通過DAC1 通道播放；2.通過DAC2 通道播放；3.通過DAC1 和DAC2 雙通道播放。Ramp_Set：0.禁止音量增/減調(diào)節(jié)；1.僅允許音量增調(diào)節(jié)；2.僅允許音量減調(diào)節(jié)；3.允許音量增/減調(diào)節(jié)。【返回值】 無。【備注】 SACM_S480 的數(shù)據(jù)率有4.8Kbps7.2Kbps 三種，可在同一模塊的幾種算法中自動選擇一種。Speech_Index 是定義在resource.inc 文件中資源表（T_SACM_S480_SpeechTable）的偏移地址。中斷服務(wù)子程序中F_FIQ_Se

24、rvice_ SACM_S480 必須放在TMA_FIQ 中斷向量上（參見SPCE 的中斷系統(tǒng)）。函數(shù)允許TimerA 以所選的的數(shù)據(jù)采樣率（計數(shù)溢出）中斷。4)【API 格式】ASM：Call F_FIQ_Service_ SACM_S480【功能說明】用作SACM_S480 語音背景程序的中斷服務(wù)子程序。通過前臺子程序（自動方式的SACM_S480_ServiceLoop 及手動方式的SACM_S480_Decode）對語音資料進行解碼，然后將其送入DAC通道播放。【參數(shù)】 無。【返回值】 無?！緜渥ⅰ縎ACM_S480 語音背景子程序只有匯編指令形式，且應將此子程序安置在TMA_FIQ

25、中斷源上。7 系統(tǒng)軟件設(shè)計在主函數(shù)中調(diào)用相關(guān)函數(shù)完成特定人語音的訓練，然后再訓練成功后進行語音識別，根據(jù)識別的命令執(zhí)行相關(guān)的操作。程序流程圖如圖 7-1 所示： 判斷是否為第一次下載根據(jù)FLASH 中的標志位來進行判斷。將訓練好的語音模型導出存儲到FLASH中使用庫函數(shù)BSR_ExportSDWord(uiCommandID)；進行操作，然后再調(diào)用讀寫FLASH 中的函數(shù)進行。在進行語音識別時，首先讀取FLASH 將語音模型取得，然后調(diào)用BSR_ImportSDWord(uiCommandID)；函數(shù)將語音資源載入內(nèi)存。在識別出命令后，執(zhí)行相關(guān)動作，相關(guān)動 作操作就是操作電機的正向或

26、反向旋轉(zhuǎn)同時配合延時與播放聲音組合起來形成不同的動作。7.1 擦除Flash 模塊在程序中按照操作SPCE061A 的flash 的步驟擦寫flash，在程序中寫成3 個函數(shù)用于操作flash，如下：F_FlashWrite1Word()語法：void F_FlashWrite1Word(int addr,int Value)描述：寫一個字到FLASH 中參數(shù)：1、被寫數(shù)據(jù)的存儲地址2、被寫數(shù)據(jù)返回：無F_FlashWrite()語法：F_FlashWrite(int sector,int &num,int size)描述：順序?qū)懚鄠€字參數(shù)：1、被寫數(shù)據(jù)的起始地址2、被寫數(shù)據(jù)3、寫數(shù)據(jù)的數(shù)量返回：無F_FlashErase()語法：void F_FlashErase(sector)描述：擦除256