语意识别与智能机器人设计

　　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。

　　1 语音识别技术

　　语音识别技术首先要提取语音特征参量,也就是从语言信号中提取语音识别的有用信息。语音特征参量的提取要考虑单词选定位置的基音、鼻辅音的频谱、元音的频谱、擦音的频谱等要素。语音识别技术也必须有模式匹配及模型训练技术,其中主要包括动态时间规整技术、HMM模型和人工神经网络。时间规整是把一个单词内的时变特征变为一致的过程,在时间规整过程中,作为单词的时间轴要不均匀的扭曲或弯曲,使其行征为模型特征对正,该技术是一种有力的矫正措施,对提高系统的识别精度极为有效。人工神经网络是一个自适应非线性动力学系统,模拟人体大脑活动的基本原理,具有学习、技艺、判断、对比和概括等能力。另外,语音识别单元的选取也是语音识别的重要一步,语言识别单元有单词、音节和音素。对于汉语而言,主要选取音节单元,因为汉语是单音节结构的语言,而英语是多音节的语言,汉语约有400个音节,数量相对较少,便于识别。

　　2 AP7003型语音识别电路

　　AP7003是一款低成本语音识别专用集成电路,内置麦克风放大器、A/D转换器、语音处理器和I/O控制器,经预处理后可识别12组不同的字词,每组1.5s时长,可连词或单词识别。可广泛应用于玩具、识别转控和自动答录等领域。

　　AP7003的功能框图如图1所示。表1给出AP7003的引脚功能。

　　表1 AP7003的引脚功能

　　AP7003的主要特征如下：

　　·内置麦克风放大器

　　·内置A/D转换器

　　·采用DIP40双列直插式封装

　　·能识别12组1.5s时长字词

　　·I/O：2个普通输入,4个触发输入,2个输出口分别有4个、12个输出,2个LED驱动

　　AP7003具有二种工作模式,即录音模式和识别模式,在进入识别模式之前,应先将目标词录入电路内。在AP7003内有12个存贮体用于存贮12组不同的字句,每个存贮体可存贮1.5s时长的字句,可通过键盘或按程序编制的顺序选择存贮体来录入及存放目标词。语音可通过外部麦克风或其他媒体录入电路内,经内部处理后以不同的数字特征信号保存在存贮体中。

　　目标词录入电路内后即可将工作模式转换到识别模式,工作时电路将当前语音与事先录入存贮体的目标词语音相比较,如果语音特征相匹配,则在电路的相应输出端输出高电平或低电平。