低价位语音辨识－HT48R50微控制器之应用.PDF

低價位語音辨識－HT48R50 微控制器之應用 (1) (2) (3) 雷智偉 、 陳德龍 、鍾啟仁 一、 前言： 在現今的科技發展中，許多電器用品，如：手機、冰箱…等 等，已經漸漸加入了語音辨識的功能，所以如果在控制方面上只使 用手動輸入，似乎已經不符合時代的潮流！語音辨識控制就成了一 個便又好用的方法，也逐漸的變成一種趨勢了！而現在市面上語音 辨識系統，不是價格太貴，就是使用及操作複雜，且辨識率不高， 對一些只需簡單的控制指令即可動作的系統，似乎有點大才小用， 且成本太高。於是我們就興起了利用微控制器來作語音辨識的想 法。利用一些簡單的電路及微控制器，如此低成本的組合來達到操 控簡單且辨識率高的小系統，也儘可能完全發揮微控制器數學運算 的能力。 二、語音辨識簡介： 一般語音辨識在製做功能上可分為: n 所要辨認字彙的多寡： (1) 特定字彙：如一般的指令,字詞或單字片語 (2) 少量字彙：如 100 個左右的單字,和詞彙 (3) 大量字彙：沒有特定字彙或範圍很大的指令 在辨認字彙方面，當字彙越多時，辨認時有可能被混淆的機會就越 大，相對的困難度也就會提高。 n 所要辨認使用者的限制： (1) 特定語者(Speaker Dependent) ：使用者在辨認前，必須先將 語音的參考樣本存入系統中當作辨識時的特徵參數，也就是 說使用者在辨識前先要讓系統學習，此即所謂『訓練階段 （Training Phase ）』。由於它是針對特定使用者所建立的資料 庫， (2) 非特定語者(Speaker Independent) 就是說使用者在辨識前，不需事先訓練系統就能直接進行辨 識！若要做到不必學習，而又有很好的辨識率，那是很不容 易的！首先必須收集大量且具有代表性的語音特徵參數，然 後再建立有效的語音辨識資料庫，這樣的系統較不易在低成 本的訴求上實現。 n 使用者說話方式是否連續： (1) 單字音（Isolated Word ）辨識：所要辨識的指令需每一個字 都分開。 (2) 連續語音辨識（Continuous Speech）：以一般人平常時所說 話的方式去辨識語音或指令，但這有牽扯到語音的混音、說 話時之速度以及相連音的問題，所以難度也比非連續語音辨 識要來的高。 本辨識系統是針對特定使用者之單字音（Isolated Word ）辨識， 因為在設計時的考量是簡單易用、壓低成本，所以用此採用特 定語者(Speaker Dependent) 、單字音（Isolated Word ）辨識的方 式。 語音辨識的特徵取樣又可分為： (1) 能量（Energy ）特徵參數：依照語音輸入時的振幅和頻率來 作為語音辨識的特徵，能量特徵參數通常都使用於語音辨識 時的起始端和結束端的端點偵測（End Point Detection ）。 (2) 頻域（Frequency Domain ）特徵參數：可以照語音輸入時的 頻率分布來作為語音辨識的特徵，頻域特徵參數大多是辨識 的主軸，也是語音辨識中極為重要的參數，通常辨識率的高 低都取決於頻域參數所使用的適當性。不過由於頻域之特徵 參數，通常都需要複雜的數學計算，如快速傅利葉轉換（Fast