未来智讯 > 人脸语音识别论文 > 基于SPCE061A语音识别门禁系统实现的研讨

基于SPCE061A语音识别门禁系统实现的研讨

发布时间:2018-11-21 01:06:05 文章来源:未来智讯    
    基于SPCE061A语音识别门禁系统实现的研讨作者:未知   摘 要:本文提出了一种基于凌阳科技SPCE系列16位单片机智能语音识别门禁系统实现方法。实现了基于SPCE061A的语音信号采集与分析处理:语音特征提取与识别算法。测试证明本方法成功实现了基于SPCE061A的小词汇量、特定人的智能语音识别门禁系统,达到了较高的识别率和较低的拒识率。
  关键字:语音识别;特征提取;SPCE061A;智能门禁
  中图分类号:TN957 文献标识码:A
  
  0 引言
  人体生物特征识别技能能够以人体诸多生物特征作为识别样本,如指纹、虹膜、人脸和耳廓等,指纹识别虽然具有很高的识别率,但其会受到指纹破损、指纹复制等非法手段的干扰;虹膜识别本能高,但由于虹膜样本采集设备相当昂贵而使其在实际应用中受到限制;人脸和耳廓识别属于被动识别的技能范畴,需要用户的良好配合方可达到较高的识别率。而本成果选取语音样本作为生物识别技能中的对象,凭借着自身独特的方便性、信号采集设备的经济性、正确性和良好的可扩展性等特点,并日益成为人们日常生活和事务中重要且普及的平安验证方式。
  本文提出了选取性价比高的凌阳科技SPCE061A-16位SoC芯片为核心,通过增添小量外围元件即可搭建一个功能相对完善的智能语音识别门禁系统,具有成本低、便携性高等独特优势,不失为一种平安有效的门禁系统解决方案。
  1 系统硬件设计
  图1所示为本文提出的智能语音识别门禁系统框图,由微处理器、MIC输入模块、存储器扩展模块(FLASH和SRAM)、门控机构、辅助门控机构及其他功能模块组成。其中,微处理器是整个门禁系统的核心,完成语音信号的分析处理,包括声纹特征提取、语音识别比对及识别后处理;MIC输入模块完成语音信号的采集
   图1 语音识别门禁系统结构框图
  与信号转换;存储器扩展模块用于存储语音特征模板库,供系统运行时的比对所需参照模板。
  1.1 SPCE061A片上系统芯片
  SPCE061A 是凌阳科技推出的一款16位结构的微抑制器,该款微抑制器在存储器资源方面考虑到用户的较少资源的需求以及便于程序调
  图2 SPCE061A内部结构
  试等功能,SPCE061A里内嵌32K字的闪存FLASH ROM。较高的处理速度使u`nSPTM可以相当容易地、快速地处理复杂的数字信号。因此,以u`nSPTM为核心的SPCE061A微抑制器也适用在数字语音识别应用领域[1-3]。
  SPCE061A具有适应于数字语音识别的独特优势:内置可编程音频处理电路,使得该款微处理器相当符合于数字音频处理领域;2个10位DAC通道,使得应用于数字音频处理时只需外接小量元件即可完成相对完善的语音信号分析处理系统;选取凌阳音频编码方式SACM_S 240(可达2.4K位/秒),最多可容纳210秒的音频数据;处理器事务电压为2.6~3.6V,这样对系统电源供给的要求就大大降低;系统处于备用状态下时,对于功率的消耗惟有7.6uW,使得系统能够应用于便携式设备――智能语音识别门禁系统。
  SPCE061A是整个语音识别门禁系统的核心部件,语音信号特征的提取、语音识别算法的计算密集型的任务都由SPCE061A完成。此外,它还承担将MIC输入模块输入的模拟语音信号进行模数转换后得到数字音频信号,以及将经过音频处理后的数字语音信号经过数模转换后送外置功放经扬声器输出。SPCE061A内部集成了64K的Flash ROM(16bit)和4K的SRAM(16bit)。
  1.2 MIC输入模块
  MIC输入模块如图3所示,负责拾取用户 图3 MIC输入模块
  的语音信号,并将其转换为电信号,以差分方式(MICP/MICN)输入SPCE061A单片机MICP
  和MICN引脚。此外,外接小量元件和SPCE061A内部电路构成预加重和自动增益抑制。
  1.3 门控机构
  门控机构(含机械)如图4所示,接受SPCE061A的抑制,属于本项目设计的智能语音识别门禁系统的执行机构。它接收来自SPCE061A微处理器根据语音识别结果发出的门锁抑制信号,从而启动相关的抑制电路执行开锁和闭锁的动作。
  
  图4 门控机构
  1.4 功放和扬声器
  用于对经SPCE061A处理后的语音信号进行功率放大,经扬声器播放。
  
  图5 功放与扬声器电路
  2 系统软件设计
  智能语音识别门禁系统的软件整体流程如图6所示,系统事务流程性子上是一种多维模式识别过程,主要有信号预处理、特征提取、语音模板特征库、模式匹配、后处理等几个环节。最初是预处理,主要包括模/数转换、预加重、自动增益抑制等处理过程,实现语音信号的数字化;然后对经过预处理后的语音信号进行特征提取,变成特征矢量;模式匹配将输入参数的特征矢量同长时间训练得到的语音模型库进行对照
   图6 语音识别算法流程
  分析,从而得到初步结果,目前使用最广泛的识别方法是统计模式识别法;后处理是为了提高识别准确率,提高系统的本能。图中对识别精度影响最大的是声纹特征提取和模板匹配(识别)两个环节。
  
  注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文

转载请注明来源。原文地址:https://www.7428.cn/page/2018/1121/44892/
 与本篇相关的热门内容: