摘  要： 通過對Arduino開發(fā)板的研究，將聲控技術(shù)引入到智能系統(tǒng)的設(shè)計(jì)當(dāng)中，實(shí)現(xiàn)了一套基于Arduino的語音控制系統(tǒng)。本文首先確定了各硬件模塊的選型，并在擬定了各模塊之間的通信接口后對Arduino引腳資源進(jìn)行整合、分配，搭建了系統(tǒng)的硬件平臺。在軟件設(shè)計(jì)部分，編寫了監(jiān)控程序、功能實(shí)現(xiàn)程序、中斷服務(wù)程序，最終實(shí)現(xiàn)了對機(jī)械手的語音控制以及語音播報(bào)的功能。此外，系統(tǒng)還增設(shè)了登錄口令驗(yàn)證和錯(cuò)誤識別吸收功能，從安全、效率兩個(gè)方面改進(jìn)系統(tǒng)的性能。實(shí)際應(yīng)用測試表明，在低噪或無噪條件下，該系統(tǒng)識別精度高，穩(wěn)定性好，達(dá)到了預(yù)期要求。

　　關(guān)鍵詞： Arduino；機(jī)械手；語音識別；語音合成；聲控

0 引言

　　隨著自動(dòng)化控制技術(shù)和智能化技術(shù)的飛速發(fā)展，人們開始追求輕松、有序、高效的智能化生活方式，智能家居也應(yīng)運(yùn)而生。然而，觸屏控制、鼠標(biāo)控制等傳統(tǒng)的控制方式，它們繁復(fù)的按鍵操作和菜單操作不符合智能化導(dǎo)向，并不適用于智能系統(tǒng)的設(shè)計(jì)。近年來，人們的焦點(diǎn)開始轉(zhuǎn)移到語音技術(shù)及其應(yīng)用上面，國內(nèi)外企業(yè)積極地拓展語音市場。智能語音產(chǎn)業(yè)是通過語音識別技術(shù)和語音合成技術(shù)為使用者提供各種服務(wù)的產(chǎn)業(yè)。語音合成技術(shù)和語音識別技術(shù)實(shí)現(xiàn)了簡單易行的人機(jī)接口，代表了更好的用戶體驗(yàn)度，充分體現(xiàn)了人性化的產(chǎn)品設(shè)計(jì)理念[1]。本文主要采用意大利開源Arduino Uno開發(fā)板設(shè)計(jì)了一套聲控智能系統(tǒng)，能完成針對非特定人、小詞匯量語音識別。聲控技術(shù)的引入擺脫了用雙手控制機(jī)械的模式，實(shí)現(xiàn)了真正意義上的智能，設(shè)計(jì)成果可應(yīng)用于智能家居系統(tǒng)，這一研究可幫助和簡化人們的生活，有助于開拓智能家居的新市場。

1 語音識別工作原理

　　語音識別技術(shù)是讓機(jī)器通過識別和理解過程，把人類的語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，屬于多維模式識別和智能計(jì)算機(jī)接口的范疇。模式匹配原理被目前大多數(shù)語音識別系統(tǒng)所采用，它將未知語音進(jìn)行特征提取并與參考模式庫中已知語音參考模式逐一地進(jìn)行模式匹配，其中最佳匹配的參考模式被選為識別結(jié)果[2-3]。

　　當(dāng)前語音識別技術(shù)的主流算法，主要有基于動(dòng)態(tài)時(shí)間規(guī)整（DTW）方法、基于非參數(shù)模型矢量量化（VQ）方法、基于參數(shù)模型的隱馬爾可夫模型（HMM）方法和基于人工神經(jīng)網(wǎng)絡(luò)（ANN）等[4]。語音識別技術(shù)可以被劃分為特定人語音識別和非特定人語音識別，根據(jù)所針對的發(fā)音人的不同，特定人語音識別技術(shù)只能識別某幾個(gè)人的語音，后者則可用于任何人，技術(shù)實(shí)現(xiàn)相對復(fù)雜但更加符合實(shí)際需要。

　　本系統(tǒng)設(shè)計(jì)選用了中文語音識別芯片LD3320，通過將待識別的內(nèi)容設(shè)置成關(guān)鍵詞列表，能實(shí)現(xiàn)不需要用戶事先錄音和訓(xùn)練的非特定人語音識別[5]。

2 系統(tǒng)設(shè)計(jì)

　　2.1 系統(tǒng)硬件平臺搭建

　　本文設(shè)計(jì)的基于Arduino的語音識別及控制系統(tǒng)，是一個(gè)建立在語音識別技術(shù)基礎(chǔ)上，并在Arduino核心處理器的控制下對輸入的語音命令做出特定輸出響應(yīng)的系統(tǒng)[6]。系統(tǒng)包括四個(gè)部分：MCU模塊、語音識別模塊、語音合成模塊、機(jī)械手模塊。語音識別模塊作為該系統(tǒng)的人機(jī)交互接口，用戶的語音命令由此輸入，其語音識別正確率決定了系統(tǒng)的運(yùn)行質(zhì)量；語音合成模塊和機(jī)械手模塊作為系統(tǒng)對外輸出部分，在MCU的控制下，做出對語音輸入的響應(yīng)[7-8]：語音合成模塊播報(bào)提示音提示系統(tǒng)當(dāng)前狀態(tài)，提供了更好的用戶體驗(yàn)度，機(jī)械手模塊則進(jìn)行與命令對應(yīng)的二維抓取運(yùn)動(dòng)。圖1為系統(tǒng)硬件結(jié)構(gòu)框圖。

　　2.1.1 Arduino開發(fā)板

　　系統(tǒng)由源自意大利的開源、便捷靈活的開源電子原型平臺Arduino Uno作為主控系統(tǒng)。Arduino Uno提供了豐富的引腳資源，包括14個(gè)數(shù)字I/O（DIGITAL 0~13），其中6個(gè)數(shù)字口，可提供PWM輸出用于控制舵機(jī)，6個(gè)模擬I/O口（ANALOG 0~5）。其簡單的開發(fā)方式利于縮短開發(fā)的周期，適合用于交互產(chǎn)品開發(fā)[9-10]。

　　2.1.2 語音識別模塊

　　無線語音模塊選用開源硬件廠商DFRobot生產(chǎn)的中文語音識別板DFR0177。DFR0177與Arduino之間通過同步串行外設(shè)接口（Serial Peripheral Interface，SPI）進(jìn)行通信。模塊的核心是LD3320中文語音識別芯片，當(dāng)麥克風(fēng)采集到語音信號時(shí)，LD3320發(fā)送低電平請求中斷，MCU執(zhí)行ASR識別流程序[11]，其識別過程如圖2。

　　2.1.3 語音合成模塊

　　語音合成模塊使用SYN6288芯片實(shí)現(xiàn)提示音合成，芯片提供一組全雙工的異步串行通信（UART）接口實(shí)現(xiàn)與Arduino的數(shù)據(jù)傳輸。Arduino控制板將待合成語音的信息以命令幀的形式通過串口發(fā)送至SYN6288。芯片輸出信號經(jīng)過功率放大器和揚(yáng)聲器后完成語音合成[12]。

　　2.1.4 機(jī)械手模塊

　　機(jī)械手由兩個(gè)舵機(jī)和金屬夾持器組裝而成，每個(gè)舵機(jī)能控制機(jī)械手在一個(gè)維度上的運(yùn)動(dòng)，Arduino通過綜合控制兩個(gè)舵的旋轉(zhuǎn)角度便能令機(jī)械手進(jìn)行二自由度的活動(dòng)，舵機(jī)的控制由PWM信號驅(qū)動(dòng)實(shí)現(xiàn)[13-14]。由于舵機(jī)工作時(shí)可產(chǎn)生1~2 A電流，考慮到安全性和穩(wěn)定性，機(jī)械手模塊由外部5 V電源單獨(dú)供電。

　　2.2 系統(tǒng)功能設(shè)計(jì)

　　本文設(shè)計(jì)了一套小型智能家居系統(tǒng)：基于Arduino的聲控機(jī)械手，用戶使用語音識別這一人機(jī)交互界面，對系統(tǒng)下達(dá)指令，機(jī)械手依據(jù)語音命令執(zhí)行不同的操作，同時(shí)，系統(tǒng)能進(jìn)行人性化的語音提示，播報(bào)系統(tǒng)當(dāng)前運(yùn)行的相關(guān)信息。除了實(shí)現(xiàn)基本的聲控功能外，考慮到安全、識別正確率等因素，增加登錄口令和垃圾錯(cuò)誤吸收。

　　2.2.1 登錄口令

　　為了保障系統(tǒng)的安全，防止授權(quán)用戶以外人員的非法使用，須對系統(tǒng)設(shè)置相應(yīng)的使用權(quán)限，如設(shè)置一條登錄口令“芝麻開門”。任何使用者在進(jìn)入系統(tǒng)前，須對系統(tǒng)的麥克風(fēng)說出登錄口令作為觸發(fā)口令。若系統(tǒng)識別并確認(rèn)了口令的正確性，則播報(bào)歡迎使用的提示音，并等待識別用戶的操作命令；否則，則將該用戶判定為非授權(quán)用戶，進(jìn)行下一輪的登錄口令識別。

　　2.2.2 吸收錯(cuò)誤識別

　　語音識別芯片的工作原理是把關(guān)鍵詞列表中得分最高的關(guān)鍵詞作為識別結(jié)果輸出，如果用戶說的關(guān)鍵詞不在列表內(nèi)必然會(huì)引起誤識別，因此，可在設(shè)定好要識別的關(guān)鍵詞列表中再添加一些額外的詞匯用來吸收錯(cuò)誤識別，從而進(jìn)一步降低錯(cuò)誤識別率。把這些待吸收的關(guān)鍵詞語稱之為“垃圾關(guān)鍵詞語”，它的設(shè)置可以提高用戶的主觀使用體驗(yàn)?！袄P(guān)鍵詞語”最好選擇一些字?jǐn)?shù)與關(guān)鍵詞語相同的高頻口語詞，用來吸收可能發(fā)生的錯(cuò)誤識別，比如“啊”，“哦”等。

　　2.3 系統(tǒng)軟件設(shè)計(jì)

　　系統(tǒng)軟件設(shè)計(jì)基于Arduino IDE軟件開發(fā)環(huán)境，使用C/C++編程語言。Arduino有豐富的庫文件以供使用，利用庫文件簡化了程序開發(fā)工作。軟件設(shè)計(jì)時(shí)把整個(gè)系統(tǒng)程序分為三個(gè)模塊：監(jiān)控主程序、中斷服務(wù)（ASR識別）子程序和功能實(shí)現(xiàn)子程序，對每個(gè)模塊分別進(jìn)行獨(dú)立設(shè)計(jì)、編程，最后將各模塊構(gòu)建一個(gè)完整的工程。

　　2.3.1 主監(jiān)控程序

　　監(jiān)控程序作為程序的核心，主要負(fù)責(zé)芯片的初始啟動(dòng)工作以及調(diào)度其他程序模塊，圖3為系統(tǒng)主程序流程圖。

　　識別芯片在正式進(jìn)入識別流程前，必須先進(jìn)行初始化工作，包括完成軟復(fù)位、時(shí)鐘頻率設(shè)定、模式設(shè)定和激活內(nèi)部數(shù)據(jù)處理模塊，同時(shí)還須將關(guān)鍵字列表寫入LD3320芯片的內(nèi)部寄存器。這些工作均在監(jiān)控程序完成。

　　若芯片啟動(dòng)失敗達(dá)到一定的次數(shù)，提示啟動(dòng)失敗并無法進(jìn)行后續(xù)操作；若啟動(dòng)成功，系統(tǒng)將開始循環(huán)等待，期間如有用戶下達(dá)語音命令，則進(jìn)入中斷并執(zhí)行中斷服務(wù)程序。監(jiān)控程序依據(jù)中斷服務(wù)程序的執(zhí)行結(jié)果判斷是否調(diào)度功能實(shí)現(xiàn)程序。

　　2.3.2 中斷服務(wù)程序

　　中斷服務(wù)程序在麥克風(fēng)采集信號產(chǎn)生低電平中斷后執(zhí)行，主要實(shí)現(xiàn)一次ASR識別流，可調(diào)用LD3320庫文件實(shí)現(xiàn)相關(guān)寄存器操作。最后將該統(tǒng)計(jì)學(xué)意義上最優(yōu)的關(guān)鍵字作為最終識別結(jié)果輸出，中斷程序執(zhí)行完后，回到中斷點(diǎn)，繼續(xù)執(zhí)行監(jiān)控程序[15]。

　　2.3.3 功能實(shí)現(xiàn)程序

　　功能實(shí)現(xiàn)程序用于完成一些實(shí)質(zhì)性的功能，即在語音識別成功后控制舵機(jī)轉(zhuǎn)動(dòng)和語音播報(bào)。在中斷服務(wù)程序得到正確的識別結(jié)果后，監(jiān)控程序?qū)?huì)調(diào)用功能實(shí)現(xiàn)程序。功能實(shí)現(xiàn)程序的主體是基于switch選擇語句，程序依據(jù)語音識別結(jié)果，執(zhí)行不同的程序段，如發(fā)送PWM信號控制舵機(jī)轉(zhuǎn)向以實(shí)現(xiàn)機(jī)械手左右轉(zhuǎn)、張開、夾持動(dòng)作，或向SYN6288發(fā)送帶合成文字的GB2312編碼。若識別的是垃圾關(guān)鍵詞，系統(tǒng)將執(zhí)行程序預(yù)設(shè)的default缺省操作。

3 實(shí)驗(yàn)結(jié)果及分析

　　搭建硬件平臺并將編寫的聲控程序編譯、燒寫至開發(fā)板。對系統(tǒng)進(jìn)行聲控測試：進(jìn)入系統(tǒng)前，若對系統(tǒng)的麥克風(fēng)正確說出預(yù)先設(shè)置的登錄口令，如“芝麻開門”，系統(tǒng)識別并確認(rèn)了口令后播報(bào)“歡迎使用智能聲控系統(tǒng)”的提示音，并等待識別用戶后續(xù)的操作命令；如果給出錯(cuò)誤的登錄口令，系統(tǒng)將繼續(xù)等待口令而不被觸發(fā)。進(jìn)入系統(tǒng)后，對系統(tǒng)分別使用“左轉(zhuǎn)”、“右轉(zhuǎn)”、“張開”、“夾持”、“復(fù)位”等語音命令進(jìn)行多次測試，系統(tǒng)的識別率接近90%，各硬件模塊在Arduino程序的控制下協(xié)同工作，其中機(jī)械手和語音合成模塊作為系統(tǒng)的輸出模塊，也做出了預(yù)期的響應(yīng)，實(shí)現(xiàn)了對機(jī)械手的控制以及語音播報(bào)的功能。

　　測試表明，該系統(tǒng)在無噪或低噪環(huán)境下運(yùn)行良好，識別精度較高，能實(shí)現(xiàn)智能聲控的要求。

4 結(jié)論

　　本文主要對基于Arduino的智能語音控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)進(jìn)行闡述。系統(tǒng)的設(shè)計(jì)工作主要包括系統(tǒng)硬件平臺搭建以及依據(jù)功能對程序結(jié)構(gòu)進(jìn)行制定，編寫了監(jiān)控程序、中斷服務(wù)程序、功能實(shí)現(xiàn)程序。最后經(jīng)過測試，該系統(tǒng)運(yùn)行狀況良好。

　　在本次設(shè)計(jì)中，除了實(shí)現(xiàn)基本的智能聲控功能外，還從安全、效率、器材選型三個(gè)方面做出創(chuàng)新，提高了系統(tǒng)的性能：（1）考慮到安全因素增設(shè)了觸發(fā)口令；（2）設(shè)計(jì)垃圾關(guān)鍵詞語達(dá)到降低誤識別率的目的；（3）設(shè)計(jì)選用了當(dāng)前熱門的Arduino開放源代碼平臺作為系統(tǒng)的核心，Arduino以其開放性、易用性、豐富的第三方資源等優(yōu)勢得到了廣泛注目。同時(shí)，本聲控系統(tǒng)不需要用戶事先訓(xùn)練和錄音，屬于可被任何人使用的非特定人語音識別系統(tǒng)，更加符合實(shí)際需要。

　　本智能聲控系統(tǒng)具有體積小、功耗低和通用性好的特點(diǎn)，可應(yīng)用于智能家居系統(tǒng)的設(shè)計(jì)，引入聲控作為人機(jī)交互界面方便了用戶的使用，實(shí)現(xiàn)了真正意義上的智能，具有一定的實(shí)用價(jià)值。

　　參考文獻(xiàn)

　　[1] 劉露.智能語音時(shí)代來臨[J].課外語文，2014（5）：11-12，17.

　　[2] 詹新明，黃南山，楊燦.語音識別技術(shù)研究進(jìn)展[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2008（9）：43-45.

　　[3] 王敏妲.語音識別技術(shù)的研究與發(fā)展[J].微型機(jī)與應(yīng)用，2009，28（23）：1-2，6.

　　[4] 馬志欣，王宏，李鑫.語音識別技術(shù)綜述[J].昌吉學(xué)院學(xué)報(bào)，2006（3）：93-97.

　　[5] 洪家平.LD3320的嵌入式語音識別系統(tǒng)的應(yīng)用[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2012，12（2）：47-53.

　　[6] 楊繼志，郭敬.Arduino的互動(dòng)產(chǎn)品平臺創(chuàng)新設(shè)計(jì)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2012，12（4）：39-41.

　　[7] 程晨.Arduino開發(fā)實(shí)戰(zhàn)指南[M].北京：機(jī)械工業(yè)出版社，2012.

　　[8] 孫俊榮，吳明展，盧聰勇.Arduino一試就上手[M].北京：科學(xué)出版社，2012.

　　[9] ICRouter.LD332x數(shù)據(jù)手冊[EB/OL].（2010-10-11）[2015-04-02]http：//www.icroute.com/web_cn/DownLoad.html#LD332X-DataSheet.

　　[10] 語音天下.SYN6288中文語音合成芯片數(shù)據(jù)手冊[EB/OL].（2011-09-06）[2015-04-27]http：//www.tts168.com.cn/bao/SYN6288--Manual.pdf.

　　[11] 蔡睿妍.基于Arduino的舵機(jī)控制系統(tǒng)設(shè)計(jì)[J].電腦知識與技術(shù)，2012，8（15）：3719-3721.

　　[12] 孫兵.基于單片機(jī)的機(jī)械手聲控系統(tǒng)設(shè)計(jì)[J].機(jī)械工程與自動(dòng)化，2007（6）：113-114，117.

　　[13] ADRIANSYAH A， DANI A W. Design of small smart home system based on Arduino[J]. Electrical Power， Electronics， Communications， Controls and Informatics Seminar （EECCIS）， 2014（10）：121-125.

　　[14] KANG B， LIU F， YUN Z， et al. Design of an Internet of Things-based smart home system[C]. Harbin： Lligent Control and Information Processing（ICICIP）， 2011：921-924.

　　[15] 金鑫，田犇，闕大順.基于LD3320的語音控制系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)[J].電腦與信息技術(shù)，2011，19（6）：22-25.