毕业论文-语音识别机器人的设计与实现.docx
《毕业论文-语音识别机器人的设计与实现.docx》由会员分享，可在线阅读，更多相关《毕业论文-语音识别机器人的设计与实现.docx（41页珍藏版）》请在冰点文库上搜索。
语音识别机器人的设计与实现
摘 要
在现代社会机器人这个词已经不再新鲜，而且形形色色的机器人出现在我们的日常生活中。
语音识别技术以语言为研究对象，涉及生理学、语言学、计算机及信号处理等多个领域，是语言信号处理的一个重要研究方向，在智能控制、多媒体、人机对话等方面有着极其广泛的应用前景。
语音识别根据实际需要和应用场合的不同,可以分为孤立词识别和连续语音识别、特定人识别和非特定人识别。
语音识别技术是实现人机通信的一种重要的技术手段,语音识别与语音合成技术的结合使人们能够摆脱键盘,通过语音命令实现控制功能。
语音技术的应用已经成为一个具有竞争性的新兴高技术产业,语音识别产品在人机交互应用中已经占到越来越大的比例。
本文应用SPCE061A控制语音识别机器人，该机器人采用特定人语音识别对机器人进行控制，可以完成向前走、倒退、左转、右转、跳两首舞曲、向左瞄准、向右瞄准、发射、连续发射等功能。
关键字：
SPCE061A，凌阳单片机，特定人语音识别，智能机器人，语音识别机器人
VI
Abstract
Inmodernsocietythewordofrobotisnolongerfresh,allkindsofrobotsturnupinourdailylife.Speechrecognitiontechnologytolanguagestudy,coveringphysiology,linguistics,computerandsignalprocessingandotherfields,isthelanguageofsignalprocessingasanimportantresearchdirection,intheintelligentcontrol,multimedia,human-computerdialoguewithanextremelywiderangeofapplicationsprospects.Speechrecognitionbasedontheactualneedsandthedifferentapplicationscanbedividedintoisolatedwordrecognitionandcontinuousspeechrecognition,specificrecognitionandnon-specificrecognition.Therealizationofspeechrecognitiontechnologyisanimportantman-machinecommunicationstechnology,voicerecognitionandspeechsynthesistechnologytoenablepeopletomoveoutofthekeyboard,throughvoicecommandcontrolfunctions.Theapplicationofspeechtechnologyhasbecomeanewcompetitivehigh-techindustries,andspeechrecognitionapplicationsinhuman-computerinteractionhasbeenaccountedforanincreasingproportion.ThisarticleUsingspeechrecognitiontocontrolrobotSPCE061A,Therobotusingspeechrecognitiononaspecificpersontocontroltherobot,tobecompletedtomoveforward,backward,turnleft,turnright,jumptwodances,thelefttarget,righttarget,launch,launchcontinuousfunctions.
Keywords:
SPCE061A,SunplusSingleChip,DependentSpeechRecognition,IntelligentRobot,RobotSpeechRecognition
目 录
第一章 机器人系统概述 7
1.1机器人简介 7
1.2功能简介 10
1.3电气参数 10
1.4本次设计机器人实物图 10
第二章 设计要求 11
2.1设计要求 11
2.2技术要求 11
第三章 模块特性简介 12
3.1SPCE061A特性简介 12
3.2芯片特性简介 12
3.3SPCE061A精简开发板 13
3.4机器人模块简介 14
3.4.1机器人驱动电路图 14
3.4.2主要功能 15
第四章 系统总体设计方案 16
第五章 系统的硬件设计 17
5.1.SPCE061A最小系统 17
5.2SPCE061A电源模块 17
5.3放音模块 18
第六章 系统软件设计 19
6.1擦除FLASH模块 20
6.2位操作模块 21
6.3语音播放函数 21
6.4走路、跳舞等其他函数模块 23
第七章 所用语音算法介绍 24
7.1语音识别算法简介 24
7.1.1语音识别概述 24
7.1.2语音识别原理 24
7.1.3语音识别API介绍 24
7.2凌阳音频概述 25
7.2.1凌阳音频算法的编码标准 25
7.2.2压缩分类 26
7.2.3常用的音频形式和压缩算法 26
7.2.4凌阳语音的播放、录制、合成和辨识 26
7.2.5常用的应用程序接口API的功能介绍及应用 27
第八章 机器人改装 30
8.1原装机器人测试 30
8.2机器人改装 30
8.3连接61板与驱动板 31
第九章 应用方案的验证步骤 32
第十章 结束语 34
参考文献 35
致谢 36
附录 37
语音识别机器人的设计与实现
第一章 机器人系统概述
1.1机器人简介
机器人对于我们来说已不再陌生。
现在，人们已不仅仅只是从影视和文学作品中了解机器人了。
在许多科技展览会和展览馆中，机器人频频亮相，人们也越来越关注机器人。
机器人从神话走向现实已有几十年的历史了，在科学技术高速发展的今天，机器人已成为人们谈论的热门话题，在文学著作中、在影视作品里、在工业生产线上、在科学研究的实验室里，都有机器人的身影。
目前世界上已有一百多万台机器人战斗在各自的工作岗位上，发挥着巨大的作用。
工业机器人是机器人中的大家族，如果从电视上看到过工业生产线，你一定对工业机器人有所了解，也会对机器人准确、灵活的动作所惊叹。
在机器人这个大家族中，有90%是工业机器人，它们在工业生产线中发挥着巨大的作用。
被称为“铁领工人”的工业机器人的确是值得称赞的。
在枯燥、危险、有毒、有害的工作环境中，到处可以看到它们的身影。
它们在喷漆、焊接、装配、涂胶、搬运、切割、打毛刺等工作岗位上大显身手，不知疲倦、毫无怨言、高效率、高精度地默默工作着。
而与人类相比，则避免了由于人的情绪波动、身体状况不适而造成的误操作而引起的产品质量问题。
常见工业机器人如图1-1所示。
图1-1工业机器人实物图
水下机器人是深海探险的英雄。
海洋是一个巨大的资源宝库。
人类需要开发海洋为人类所用。
但是，众所周知，海底是一个非常恶劣的环境，潜水事故时有发生。
于是，人们将希望寄托在机器人身上。
经过专家们多年的努力，这一愿
35
望终于实现了。
目前，世界上的水下机器人约1000多台。
我国于1995年成功的研制出了型号为GR-01的水下机器人，并赴太平洋进行了深海资源考察实验。
成为世界上拥有6000米水下机器人的少数国家之一。
常见水下机器人如图1-2所示。
图1-2水下机器人实物图
消防机器人是赴汤蹈火的卫士。
提起火灾，人们就会联想起一幕幕可怕的悲剧，它带给人们太多的灾难。
而火灾现场的恶劣环境又给消防队员们带来极大的困难。
不过，不用发愁，现在消防机器人已经诞生了，它们可以在火场冲锋陷阵，把消防队员从恶劣的工作环境中解脱出来。
消防机器人可在救灾人员的控制下，自行进入火灾扑救的关键区域，用自身携带的仪器将探测到的火灾现场的信息反馈给后方的救灾人员，以便及时做出科学的决策。
消防机器人可以在充满有毒气体和易燃易爆气体的环境中安全可靠地工作，还可以在高温和强辐射的环境中较长时间地工作。
常见消防机器人如图1-3所示。
图1-3消防机器人实物图
机器人工兵是冲锋陷阵的战士。
地雷带给人们的危害是巨大的，联合国儿童基金会在1996年的报告中提到，大约在全世界64个国家中埋有700多种1.1亿颗地雷，每年都有很多人因为踩到地雷而丧命。
不仅如此，清理地雷还造成了士兵的大量伤亡。
为此，许多国家都研制出了扫雷机器人，把这个危险的工作交给机器人来完成。
常见消防机器人如图1-4所示。
图1-4机器人工兵实物图
1.2功能简介
1通过语音命令对其进行控制
2可以跳两首舞曲
3走不功能、转向功能、转头功能
4发射飞盘功能
1.3电气参数
机器人工作的额定电压：
6V（4节干电池）
1.4本次设计机器人实物图，如图1-5所示。
图1-5机器人实物图
第二章 设计要求
2.1设计要求
利用SPCE061A单片机、机器人机体（包括2个用于走路的电机、1个用于头部旋转的电机、1个用于加速1个用于弹射的电机等），对机器人进行改造，通过程序，要求语音识别机器人具有下述功能：
1.通过语音命令对其进行控制。
2.两种跳舞模式。
3.走步功能、转向功能、转头功能。
4.发射飞盘功能。
2.2技术要求
1.要求智能机器人可以识别15条命令。
15条命令分别为“名称”，“开始”，“准备”，“跳舞”，“再来一曲”，“开始”，
“向前走”，“倒退”，“右转”，“左转”，“准备”，“向左瞄准”，“向右瞄准”，
“发射”，“连续发射”。
2.要求智能机器人具有2种跳舞模式。
第三章 模块特性简介
3.1SPCE061A特性简介
SPCE061A是性价比很高的一款十六位单片机，使用它可以非常方便灵活的实现语音的录放系统，该芯片拥有8路10位精度的ADC，其中一路为音频转换通道，并且内置有自动增益电路。
这为实现语音录入提供了方便的硬件条件。
两路10精度的DAC，只需要外接功放（SPY0030A）即可完成语音的播放[1]。
另外凌阳十六位单片机具有易学易用的效率较高的一套指令系统和集成开发环境。
在此环境中，支持标准C语言，可以实现C语言与凌阳汇编语言的互相调用，并且，提供了语音录放的库函数，只要了解库函数的使用，就会很容易完成语音录放，这些都为软件开发提供了方便的条件：
SPCE061A片内还集成了一个ICE
（在线仿真电路）接口，使得对该芯片的编程、仿真都变得非常方便，而ICE接口不占用芯片上的硬件资源，结合凌阳科技提供的集成开发环境（unSPIDE）用户可以利用它对芯片进行真实的仿真；而程序的下载（烧写）也是通过该接口进行下载[2]。
图3-1为SPCE061A单片机的内部结构框图：
图3-1SPCE061A单片机的内部结构框图
3.2芯片特性简介
uSPCE061A性能简介：
u16位u’nSP微处理器
u工作电压（CPU）VDD为3.0~3.6V，（I/O）VDDH为3.0~5.5V
uCPU时钟：
0.32~49.152MHz
u内置2K字SRAM
u内置32K字FLASH
u可编程音频处理
u晶体振荡器
u系统处于备用状态下（时钟处于停止状态），耗电仅为2uA/3.6V
u2个16位可编程定时器/计数器（可自动预置初始计数值）
u2个10位DAC（数/模转换）输出通道
u32位通用可编程输入/输出通道
u14个中断源可来自定时器A/B、时基、2个外部时钟源输入和键唤醒
u具备触键唤醒的功能
u使用凌阳音频编码SACM_S480可以播放压缩的语音资源
u锁相环PLL振荡器提供系统时钟信号
u32768Hz实时时钟
u7通道10位电压模/数转换器（ADC）和单通道声音模/数转换器
u声音模/数转换器输入通道内置麦克风放大器，并具有自动增益控制
（AGC）功能
u具备串行设备接口
u具备低电压复位功能和低电压检测功能
u内置在线仿真电路接口
u具有WatchDog功能
3.3SPCE061A精简开发板
SPCE061A精简开发板（简称61板），是以凌阳16位单片机SPCE061A为核心的精简开发－仿真－实验板，大小相当于一张扑克牌，为电子爱好者等进行电子实习、课程设计、毕业设计、电子制作及电子竞赛所设计的，也可作为单片机项目初期研发使用。
61板除了具备单片机最小系统电路外，还包括有电源电路、音频电路（含MIC输入部分和DAC音频输出部分）、复位电路等，采用电池供电，方便随身携带！
在掌握软件的同时，熟悉单片机硬件的设计制作，锻炼动手能力，也为单片机学习者和开发者创造了一个良好的学习条件和开发新产品的机会！
61板上有调试器接口（Probe接口）以及下载线（EZ_Probe）接口，分
别可接凌阳科技的在线调试器、简易下载线，配合unSPIDE，可方便地在板上实现程序的下载、在线仿真调试。
61板上的主要功能模块如下[3]：
uSPCE061A单片机最小系统外围电路模块；
u电源输入模块；
u音频电路（包含MIC输入、DAC音频功放输出）模块；
u按键模块；
uI/O端口接口模块；
u调试、下载接口模块；图3-2为61板的实物图：
图3-261板的实物图
3.4机器人模块简介
3.4.1机器人驱动电路图
机器人左右腿、脖子电机驱动图如3-3所示：
图3-3左右腿、脖子电机驱动
机器人左右腿、脖子电机驱动图如3-4所示：
图3-4加速度、发射电机驱动
机器人驱动电路采用功率较大的三极管搭成H桥来驱动电机，可以实现电机的正向旋转与电机的反向旋转。
这些电机包括2个用于走路的电机与一个头部转向的电机。
另外用了一个三极管驱动单向旋转的电机，包括加速电机与发射电机，驱动电路比较简单。
3.4.2主要功能
u通过语音命令对其进行控制；
u可以跳两首舞曲；
u走步功能、转向功能、转头功能
u发射飞盘功能；
第四章 系统总体设计方案
用61板来控制机器人，使用了IOB7-IOB15资源，另外使用了扬声器。
如图4-1所示：
图4-1系统总体框图
61板与机器人连线图，如图4-2所示：
图4-261板与机器人连线图
第五章 系统的硬件设计
5.1SPCE061A最小系统
SPCE061A最小系统当中，包括SPCE061A芯片外围的基本模块，有：
晶振输入模块（OSC）、锁相环外围电路（PLL）、复位电路（RESET）、指示灯（LED）等[4]，如图5-1所示。
图5-1SPCE061A最小系统
5.2SPCE061A电源模块
SPCE061A的内核供电为3.3V，而I/O端口可接3.3V也可以接5V，所以在电源模块（61板上）中有一个端口电平选择跳线[5]，如图中的J5，图5-2为
61板上的电源模块图。
图5-2电源模块
由于本系统需要的端口高电平为5V，所以图图5-2当中的J5跳线需要跳到1
和2上。
5.3放音模块
交通灯换向时有语音提示。
放音利用的是SPCE061A内部的DAC，电路如图5-3所示。
图中的SPY0030是凌阳公司的产品。
和LM386相比，SPY0030还是比较有优势的，比如LM386工作电压需在4V以上，而SPY0030仅需2.4V（两颗电池）即可工作；LM386输出功率100mW以下，SPY0030约700mW[6]。
图5-3放音模块电路图
第六章 系统软件设计
在主函数中调用相关函数完成特定人语音的训练，然后再训练成功后进行语音识别，根据识别的命令执行相关的操作。
判断是否为第一次下载根据FLASH中的标志位来进行判断。
将训练好的语音模型导出存储到FLASH中使用库函数
BSR_ExportSDWord（uiCommandID）；进行操作，然后再调用读写FLASH中的函数进行。
在进行语音识别时，首先读取FLASH将语音模型取得，然后调用
BSR_ImportSDWord（uiCommandID）；数将语音资源载入内存。
在识别出命令后，执行相关动作，相关动作操作就是操作电机的正向或反向旋转同时配合延时与播放声音组合起来形成不同的动作。
程序流程图如图6-1所示：
图6-1程序流程图
6.1擦除FLASH模块
在程序中按照操作SPCE061A的flash的步骤擦写flash[7]，在程序中写成3
个函数用于操作flash[8]，如下：
F_FlashWrite1Word（）
语法：
voidF_FlashWrite1Word（intaddr,intValue）
描述：
写一个字到FLASH中参数：
1、被写数据的存储地址
2、被写数据返回：
无
F_FlashWrite（）
语法：
F_FlashWrite（intsector,int&num,intsize）
描述：
顺序写多个字
参数：
1、被写数据的起始地址
2、被写数据
3、写数据的数量返回：
无
F_FlashErase（）
语法：
voidF_FlashErase（sector）
描述：
擦除256字节参数:
擦除页的起始地址返回：
无
6.2位操作模块
由于SPCE061A没有位操作指令，而在程序控制电机的时候需要经常操作某一位，为了方便程序的编写，增强可读性，编写了位操作模块。
函数voidSet_IOB_Bit（unsignedint,unsignedint,unsignedint,unsignedint,unsignedint）;参数依次为IO的位、Dir、Attrib、Data、Buffer例如操作IOB11为同相低电平输出为Set_IOB_Bit（11,1,1,0,0）;
6.3语音播放函数
在本系统的软件设计当中，将语音播放的程序设计为语音播放模块，可方便地调用[9]；语音播放程序分为两部分，一是播放流程控制，流程图如图6-2所
示。
一是中断播放服务程序[10]，流程图如图6-3所示。
图6-2播放流程控制流程图
图6-2中断播放服务程序流程图
6.4走路、跳舞等其他函数模块
这些函数就是控制电机的通与断的组合完成不用的动作，在需要的时候播放语音，实现一定的效果。
第七章 所用语音算法介绍
7.1语音识别算法简介
7.1.1语音识别概述
根据对说话人的依赖程度，分为：
u特定人语音识别（SD）：
只能辨认特定使用者的语音，训练->使用
u非特定人语音识别（SI）：
可辨认任何人的语音，无须训练根据对说话方式的要求，分为：
u孤立词识别：
每次只能识别单个词汇
u连续语音识别：
用者以正常语速说话，即可识别其中的语句
7.1.2语音识别原理
语音识别原理如图7-1所示。
图7-1语音识别原理图
7.1.3语音识别API介绍
BSR_InitRecognizer（intAudioSource）;
初始化识别器
BSR_Train（intWordID,intTrainMode）;
语音训练
BSR_DeleteSDGroup（intSDGroupNo）;
清除内存
BSR_PauseRecognizer（）
暂停识别，但不释放中断等资源
BSR_ResumeRecognizer（）恢复被暂停的识别BSR_GetRecognizerScore（）
获得识别结果的可信度，返回值从-4096到4096，数值越大表示输入语音与特征模型的匹配度越高。
BSR_EnableCPUIndicator（）
开启CPU状态监测功能。
开启该功能后，IOA0和IOA1将发出每16ms
电平变化一次的方波。
BSR_DisableCPUIndicator（）关闭CPU状态监测功能。
BSR_ExportSDWord（intCommandID）
使用函数库时，会自动创建一个100Word的数组BSR_SDModel[100]，可以把某条训练命令的特征模型数据导出到这个数组中。
BSR_ImportSDWord（intCommandID）
可以把BSR_SDModel数组中的数据导入为某条语音命的特征模型。
unsignedintBSR_SDModel[];
配合BSR_ExportSDWord（intCommandID）与BSR_ImportSDWord（int
CommandID）函数使用，此数组的作用相当于一个暂时的存储区。
7.2凌阳音频概述
语音处理大致可以分为A/D采样输入、编码处理、存储、解码处理以及D/A
等；
SPCE061解决方案：
将A/D、编码算法、解码算法、存储及D/A作成相应的模块，对于每个模
块都有其应用程序接口API，用户只需了解每个模块所要实现的功能及其参数的内容，然后调用该API函数即可实现语音处理功能。
7.2.1凌阳音频算法的编码标准
表7-1是不同音频质量等级的编码技术标准（频响）[2]：
凌阳音频压缩算法处理的语音信号的范围是200Hz－3.4KHz的电话话音
表7-1音频质量等级的编码技术标准
信号类型
音频范围（HZ）
采样率（KHZ）
量化精度（位）
电话话音
200～3400
8
8
宽带音频（AM质量）
50～7000
16
16
调频广播（FM）
20～15K
37.8
16
高质量音频（CD质量）
20～20K
44.1
16
7.2.2压缩分类
升级会员 