高性能语音拨号器的设计与实现

    摘要：以数字信号处理器ＡＤＳＰ２１８６Ｌ为核心，通过单片机进行系统控制，设计语音拨号器，实现语音控制的自动拨号功能。

    关键词：ＤＳＰ  语音识别  双音多频

    随着语音信号处理理论以及超大规模集成电路的发展，语音识别、语音编码以及语音合成技术逐步走向实用化。国外已有相应的应用电子产品问世（如美国Ｓｅｎｓｏｒｙ公司的产品），国内市场上也出现了具备语音识别功能的手机（如ＰＨＩＬＩＰＳ，ＳＡＭＳＵＮＧ等公司的产品）。本文介绍的基于ＡＤＳＰ２１８６Ｌ的语音拨号器集语音识别、语音编解码、语音提示、语音合成以及双音多频拨号功能于一体，与现有产品相比具有容量大，识别率高，使用方便的优点。

１ 系统功能

    ·可存储２００个用户词条，８００个电话号码。

    ·支持语音查询方式，用户只需口述词条，即可获得相应的电话号码。同时兼容手动查询方式。

    ·具有方便的编辑功能（增加、删除、修改用户记录）。

    ·具有双音多频拨号功能，使用普通电话机便可实现自动拨号。

２ 系统整体模块设计

    整个系统可分为信号处理单元，系统控制单元和用户界面单元共三个功能模块。

２.１ 信号处理单元

    本单元包括数字信号处理器，编解码器和存储器。

    作为系统语音信号处理核心的ＡＤＳＰ２１８６Ｌ是ＡＮＡＬＯＧ ＤＥＶＩＣＥＳ公司生产的低电压１６位定点数字信号处理器。该芯片具有以下特点：

    · 运算速度３３ＭＩＰＳ；

    ·片内含４０Ｋ Ｂｙｔｅ ＲＡＭ，分为１６Ｋ Ｂｙｔｅ的程序ＲＡＭ及２４Ｋ Ｂｙｔｅ的数据ＲＡＭ；

    ·两路独立可编程全双工串行通信接口，支持Ａ律／μ律的硬件语音解压扩，支持自动缓冲区操作；

    ·４Ｍ Ｂｙｔｅ的外部寻址空间；

    ·支持内外存之间的ＤＭＡ操作；

    ·１３个可编程的Ｉ／Ｏ口。

    ＤＳＰ在系统中主要完成语音信号的特征提取，端点检测和模板匹配，同时负责用户记录的管理。

    与ＡＤＳＰ２１８６Ｌ配套使用的是ＡＮＡＬＯＧ ＤＥＶＩＣＥＳ公司最新生产的低电压１６位编解码器ＡＤ７３３１１Ｌ，该芯片通过设置相应的寄存器可实现８～６４ｋＨｚ的多种采样频率，具有可编程的输入输出增益控制。该芯片在系统中完成语音信号的Ａ／Ｄ，Ｄ／Ａ转换。

    系统存储器选用ＳＩＬＩＣＯＮ ＳＴＯＲＡＧＥ ＴＥＣＨＮＯＬＯＧＹ公司生产的８Ｍ位快闪存储器（Ｆｌａｓｈ Ｍｅｍｏｒｙ）ＳＳＴ３９ＶＦ０８０Ｑ，主要存储两部分内容，ＤＳＰ的应用程序和用户的语音记录数据。该芯片具有软件写保护功能，可以防止应用程序的意外更改，全片分为２５６个４ＫＢｙｔｅ的扇区，适于语音记录的存取。

２.２ 系统控制单元

    选用ＳＡＭＳＵＮＧ公司生产的４位单片机ＫＳ５７Ｃ２３０８，该芯片主要负责系统整体流程控制以及用户界面控制。ＫＳ５７Ｃ２３０８具有较宽的工作电压，同时提供段式液晶的驱动，具有较强的Ｉ／Ｏ操作能力，适合应用于要求多个Ｉ／Ｏ口以及液晶显示的工作环境。采用ＫＳ５７Ｃ２３０８可以简化系统，并使系统具有较好的外部接口扩展能力。

２.３ 用户界面单元

    包括键盘、液晶、驻极话筒和扬声器四部分。

    系统硬件模块结构如图１所示。

２.４数字信号处理器与编解码器之间的通信

    数字信号处理器ＡＤＳＰ２１８６Ｌ与编解码器之间的通信通过独立的串行口完成。具体连线如图２所示，信号说明如表１所示。

表1 信号说明

    由于ＡＤ７３３１１Ｌ采取自接外部晶振，通过内部设置分频寄存器确定采样率的工作方式，ＡＤＳＰ２１８６Ｌ的ＳＣＬＫ、ＴＦＳ，ＲＦＳ均设为外部输入。采用ＤＳＰ的串口时序进行通信。

２.５ 数字信号处理其余单片机间的通信

    ＡＤＳＰ２１８６Ｌ与单片机的接口与此类似，区别在于ＡＤＳＰ２１８６Ｌ的ＳＣＬＫ、ＴＦＳ、ＲＦＳ均设为内部输出。单片机通过通用的Ｉ／Ｏ口模拟ＤＳＰ的串口时序，通信协议采用自定义的数据包格式，速度快，可靠性高。单片机同时控制ＤＳＰ的复位引脚，进一步保证系统工作的可靠性。

２.６ 数字信号处理器与外部存储器的接口

    ＤＳＰ与外部存储器之间通过地址和数据总线连接，利用ＤＳＰ的ＢＭＳ、ＷＲ、ＲＤ引脚实现对外部存储器存的片选及读写控制。系统复位时，ＤＳＰ由外部存储器中自动加载程序，系统运行过程中的数据通过ＤＭＡ方式进行传输。

    单片机通过专用的液晶驱动引脚控制液晶，通过通用的Ｉ／Ｏ引脚完成键盘扫描。

３ 系统软件实现

    系统软件采取模块化设计，根据功能将ＤＳＰ的程序分为１０个基本模块。

    （１）系统初始化

    初始化内容包括算法参数，状态变量，端口设置。

    （２）通信接口

    主要功能是接收单片机指令，并在完成相应的操作序列后回送操作结果。

    （３）语音记录

    使用ＤＳＰ的自动缓冲区技术，在用户口述词条的过程中，实时提取用于识别和回放的特征参数，利用高性能的端点检测算法去除静音段及噪声段，将实际语音段的特征数据保存在数据ＲＡＭ中。

    （４）语音识别

    使用模式识别方法将数据ＲＡＭ中的特征参数与外部存储器中保存的现有用户记录相比较，找出最相近的记录作为识别结果，获得相应的记录指针。

    （５）语音提示

    利用预先编码的数据合成语音，用于对用户的相应操作进行提示，方便用户使用，减少误操作的可能性。编解码采用多脉冲线性预测编码（Ｍｕｌｔｉ－Ｐｕｌｓｅ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔ Ｃｏｄｅ）算法，能以较低的码率获得较高质量的合成语音。

    （６）语音回放

    利用“语音记录”过程中提取的回放特征参数合成语音，用于用户检验记录结果或识别结果。根据参数提取的实时性要求，此处采取速度快，合成质量好的编解码算法。

    （７）增加记录

    将“语音记录”中提取的特征参数连同相应的用户电话号码存入外部存储器。同时修改记录指针。

    （８）修改记录

    保持记录的特征参数不变，只修改电话号码。

    （９）删除记录

    删除整个用户记录，包括特征参数和电话号码，同时清除相应指针。

    （１０）双音多频拨号

    利用级数展开的方法合成正弦信号，经编解码器进行Ｄ／Ａ转换后至扬声器输出，实现自动拨号功能。

    单片机利用键盘接收用户指令，通过功能模块的不同组合方式，可以形成多种控制流程，以适应不同应用场合的需要。

    系统软件框图如图３所示。

４ 系统性能测试

    本系统具有较高的识别率，对于普通词条，识别率超过９９％，对于发音相近的易混淆词条，如“李平，李宁，李丁”，识别率也可达到９０％以上。同时，本系统具有良好的用户界面，用户在语音提示下完成相应操作，方便快捷。

    本系统具备语音拨号器的基本功能，由于它的软件和硬件设计都具有模块化特性，很容易改造成适用于其他应用场合的语音控制系统。因此，本系统具有较为广泛的应用前景。