??? 摘　要：針對(duì)智能家居系統(tǒng)中信息不能隨時(shí)隨地進(jìn)行控制及其交流方式不流暢的問(wèn)題，融合電話公用網(wǎng)和家庭網(wǎng)絡(luò)設(shè)計(jì)了一個(gè)基于ARM9和語(yǔ)音識(shí)別技術(shù)的智能家居系統(tǒng)。該系統(tǒng)采用RASTA濾波方法去除語(yǔ)音信號(hào)中夾雜的卷積信道噪聲，采用改進(jìn)的動(dòng)態(tài)時(shí)間規(guī)正（DTW）算法對(duì)語(yǔ)音命令進(jìn)行識(shí)別。
??? 關(guān)鍵詞：智能家居；語(yǔ)音識(shí)別；帶通濾波器；動(dòng)態(tài)時(shí)間規(guī)正

?

??? 隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，“智能家居”越來(lái)越被人們所重視。綜觀國(guó)內(nèi)外的智能家居系統(tǒng)，大部分側(cè)重于利用Internet進(jìn)行遠(yuǎn)程控制。由于受到上網(wǎng)設(shè)備的限制，這種方式給智能家居系統(tǒng)的使用帶來(lái)了不便。例如，在用戶回家途中希望能夠打開(kāi)空調(diào)，很可能就因?yàn)椴环奖闵暇W(wǎng)而無(wú)法實(shí)現(xiàn)。隨著電話的普及，利用電話對(duì)家電進(jìn)行遠(yuǎn)程控制可以做到隨時(shí)隨地。目前國(guó)內(nèi)外使用的控制方式主要有：利用短消息控制和用語(yǔ)音播放受控設(shè)備的名稱或代號(hào)，再根據(jù)用戶的選擇來(lái)控制相應(yīng)的設(shè)備。這兩種方式的弊端是：交流的方式不流暢自然，而且當(dāng)受控設(shè)備的個(gè)數(shù)達(dá)到10個(gè)以上時(shí)需要考慮新出現(xiàn)的問(wèn)題。
??? 本文所介紹的系統(tǒng)采用三星公司生產(chǎn)的S3C2410芯片作為微處理器，基于公用電話交換網(wǎng)設(shè)計(jì)而成。系統(tǒng)先對(duì)用戶從電話輸入的語(yǔ)音命令進(jìn)行語(yǔ)音識(shí)別，然后根據(jù)識(shí)別結(jié)果向串口發(fā)送相應(yīng)的命令，實(shí)現(xiàn)對(duì)家電的控制。
1 語(yǔ)音識(shí)別原理 ?
??? 語(yǔ)音識(shí)別的過(guò)程可歸結(jié)為模式識(shí)別和匹配。通過(guò)對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)處理和分析計(jì)算可抽取出所需的語(yǔ)音特征，并以此建立語(yǔ)音識(shí)別所需的模板。而當(dāng)對(duì)語(yǔ)音進(jìn)行識(shí)別時(shí)，則需要將系統(tǒng)中存放的語(yǔ)音模板與輸入的語(yǔ)音信號(hào)的特征進(jìn)行比較，并根據(jù)一定的算法和策略，找出一系列最優(yōu)的與輸入的語(yǔ)音匹配的模板，最后輸出識(shí)別結(jié)果，識(shí)別流程如圖1所示^[1]。

?

??? 預(yù)處理包括采樣、去除噪音、端點(diǎn)檢測(cè)、預(yù)加重、分幀、加窗等。而特征參數(shù)的提取,目前較為常用的有線性預(yù)測(cè)倒譜系數(shù)(LPCC)與Mel倒譜系數(shù)(MFCC)。本文采用的是MFCC。系統(tǒng)采用改進(jìn)的動(dòng)態(tài)時(shí)間規(guī)正DTW (Dynamic Time Warping)算法對(duì)語(yǔ)音進(jìn)行訓(xùn)練和識(shí)別。

2 系統(tǒng)的硬件設(shè)計(jì)
2.1 系統(tǒng)的組成
??? 系統(tǒng)由ARM9核微處理器構(gòu)成主控部分，接收外部的控制信號(hào)，負(fù)責(zé)信息的處理，調(diào)控系統(tǒng)各部件協(xié)同進(jìn)行工作。接口電路提供微處理器與電話網(wǎng)絡(luò)的接口，包括振鈴檢測(cè)電路、模擬摘掛機(jī)電路、語(yǔ)音電路、雙音多頻（DTMF）信號(hào)解碼電路。系統(tǒng)的硬件框圖如圖2所示。其中振鈴檢測(cè)電路、模擬摘掛機(jī)電路可由電話接口模塊替代。

?

?

??? 圖3中，SW是摘掛機(jī)控制開(kāi)關(guān)，高電平導(dǎo)通，低電平斷開(kāi)。RING為振鈴信號(hào)輸出，輸出高電平時(shí)無(wú)振鈴，輸出低電平則表示有振鈴。DXC是電話線斷線檢測(cè)輸出，輸出高電平表示電話線斷線，輸出低電平時(shí)電話線連接正常。
3 系統(tǒng)的軟件設(shè)計(jì)
??? 系統(tǒng)首先通過(guò)移植vivi BootLoader、Linux 操作系統(tǒng)建立系統(tǒng)的開(kāi)發(fā)環(huán)境，然后再開(kāi)發(fā)語(yǔ)音識(shí)別程序及硬件驅(qū)動(dòng)程序并把它們燒寫進(jìn)目標(biāo)板。其中重點(diǎn)難點(diǎn)在于語(yǔ)音識(shí)別程序的開(kāi)發(fā)，本文只介紹此部分。
3.1通信信道噪聲的消除
??? 基于電話的語(yǔ)音識(shí)別不同于普通的桌面語(yǔ)音識(shí)別，要想達(dá)到較好的識(shí)別效果，噪聲的影響不能忽略。而RASTA濾波處理正是通過(guò)一個(gè)低端截止頻率很低的帶通濾波器對(duì)語(yǔ)音參數(shù)的時(shí)間軌跡進(jìn)行濾波處理，以使頻譜中的常量或者緩慢變化的部分得到抑制。系統(tǒng)引入了RASTA濾波技術(shù)并把它應(yīng)用到Mel對(duì)數(shù)譜上，使得變化緩慢的通道噪聲得到抑制^[2]。
??? MFCC通過(guò)構(gòu)造人的聽(tīng)覺(jué)模型，以語(yǔ)音通過(guò)該模型（濾波器組）的輸出為聲學(xué)特征，經(jīng)過(guò)離散傅里葉變換（DFT）后，可得MFCC為
???
??? 式(1)中，f (k)為第k個(gè)濾波器的對(duì)數(shù)輸出，n為MFCC的階數(shù)，M為濾波器的個(gè)數(shù)。
??? 設(shè)RASTA濾波器的系統(tǒng)函數(shù)為H（z），則
?　?
??? 又設(shè)分別代表RASTA處理前和處理后的第k個(gè)Mel頻帶對(duì)數(shù)頻譜，則有：
???
??? 再對(duì)Mel頻率對(duì)數(shù)頻譜進(jìn)行離散余弦變換(DCT)，可得：
????
式(5)中是經(jīng)過(guò)RASTA處理后的n階MFCC。將式(4)代入式(5)，可得
???
??? 從式(6)中可以看出，RASTA處理完全可以從對(duì)數(shù)頻率譜擴(kuò)展到倒譜，即先求出MFCC，然后再做帶通濾波處理，從而減少計(jì)算代價(jià)。
3.2語(yǔ)音識(shí)別算法
??? 在對(duì)語(yǔ)音信號(hào)提取MFCC特征參數(shù)及RASTA濾波去噪以后，語(yǔ)音信號(hào)就轉(zhuǎn)化成為一組組特征向量，而語(yǔ)音識(shí)別算法的作用就是將待識(shí)別的語(yǔ)音信號(hào)的特征向量同系統(tǒng)中已建立起來(lái)的特征向量模板進(jìn)行比較，找出最優(yōu)的匹配模板。目前，常用的語(yǔ)音識(shí)別算法有隱馬爾可夫模型(HMM)算法、動(dòng)態(tài)時(shí)間規(guī)正(DTW)算法和人工神經(jīng)網(wǎng)絡(luò)(ANN)算法。其中，DTW算法具有系統(tǒng)開(kāi)銷小、運(yùn)算速度快、對(duì)孤立詞和小詞匯表的識(shí)別簡(jiǎn)單而有效等特點(diǎn)，非常適合嵌入式系統(tǒng)的研制，而改進(jìn)的DTW算法進(jìn)一步減小了對(duì)計(jì)算量和存儲(chǔ)空間的需求，因而本系統(tǒng)選用它作為系統(tǒng)的識(shí)別算法。
??? DTW算法是利用動(dòng)態(tài)規(guī)劃的思想， 將一個(gè)復(fù)雜的全局最優(yōu)化問(wèn)題化為許多局部最優(yōu)化問(wèn)題來(lái)處理，并自動(dòng)尋找一條路徑，使兩個(gè)特征矢量之間的積累失真量最小，從而避免由于時(shí)長(zhǎng)不同而可能引入的誤差。
??? 設(shè)參考模板共有M幀矢量，待測(cè)語(yǔ)音模板共有N幀矢量（一般M≠N），則動(dòng)態(tài)時(shí)間歸正就是尋找一個(gè)時(shí)間歸正函數(shù)m=ω(n)，它將測(cè)試矢量的時(shí)間軸n非線性地映射到模板的時(shí)間軸m上并使得測(cè)試矢量和模板矢量各幀之間的距離測(cè)度的累積和最小，從而使得兩矢量之間的匹配路徑最小，這樣就保證了待測(cè)模板與參考模板之間具有最大的聲學(xué)相似特性。通常，規(guī)正函數(shù)m=ω(n)被限制在一個(gè)平行四邊形（設(shè)為ABCD）網(wǎng)格內(nèi)，它的起點(diǎn)坐標(biāo)是(1，1)，終點(diǎn)坐標(biāo)為(N，M )，相鄰兩邊的斜率分別為2和1/2，如圖4所示。

?

??? 即只需對(duì)位于平行四邊形ABCD內(nèi)的各點(diǎn)對(duì)應(yīng)的幀匹配距離進(jìn)行計(jì)算即可，然而傳統(tǒng)的DTW算法卻對(duì)整個(gè)矩形區(qū)域MBND都進(jìn)行了計(jì)算，增加了系統(tǒng)的計(jì)算量。此外，傳統(tǒng)的DTW算法還保存了所有的幀匹配距離矩陣和累積距離矩陣，而實(shí)際上每一列各個(gè)點(diǎn)上的匹配計(jì)算只用到了前一列的3個(gè)網(wǎng)格。改進(jìn)的DTW算法對(duì)以上兩點(diǎn)進(jìn)行了改進(jìn)，把實(shí)際的動(dòng)態(tài)規(guī)正拆分為（1， Xa）， （Xa+1，Xb），(Xb+1，N)3段，其中，Xa和Xb為最相近的整數(shù)且滿足下式
???
??? 當(dāng)不滿足以上條件時(shí)，認(rèn)為兩者差別實(shí)在太大，無(wú)法進(jìn)行動(dòng)態(tài)規(guī)正匹配。
??? 而在X軸上的每一幀不再與Y軸上的每一幀進(jìn)行比較，而只與Y軸上[y_max，y_min]間的幀進(jìn)行比較，其中y_max，y_min由以下二式計(jì)算得到：

???
??? 當(dāng)X_a>X_b時(shí)， DTW可拆分為(1，X_b)，(X_b+1，X_a)和(X_a+1，N)3段，計(jì)算過(guò)程類似。
??? 對(duì)于X 軸上，每前進(jìn)一幀，彎折特征都是一樣的，累積距離的更新用下式實(shí)現(xiàn)
??? D(x,y)=d(x,y)+min[D(x-1,y),D(x-1,y-1),D(x-1,y-2)]?
??? 上式中，矢量 D 用于保存前一列的累積距離，矢量 d 用于計(jì)算當(dāng)前列的累積距離。根據(jù)上式，當(dāng)在X軸上每前進(jìn)一幀時(shí)，按上式可求出當(dāng)前的累積距離，而它又可供下一列使用。如此不斷的更新，當(dāng)進(jìn)行到待測(cè)模板的最后一幀時(shí)，矢量 D 的最后一個(gè)元素即為兩個(gè)模板經(jīng)過(guò)動(dòng)態(tài)規(guī)正后的匹配距離?？梢钥闯觯撍惴ú](méi)有像傳統(tǒng)的DTW算法一樣保存整個(gè)距離矩陣，從而節(jié)約了系統(tǒng)的存儲(chǔ)空間^[3]。
??? 系統(tǒng)通過(guò)DTMF信號(hào)密碼驗(yàn)證方式對(duì)用戶身份進(jìn)行識(shí)別，采用語(yǔ)音命令方式對(duì)家電進(jìn)行控制，具有交流方式流暢自然、可實(shí)現(xiàn)隨時(shí)隨地控制、較高的安全性能等特點(diǎn)。實(shí)驗(yàn)結(jié)果表明，在一般的背景環(huán)境下，對(duì)孤立詞的語(yǔ)音命令識(shí)別正確率達(dá)到95%以上，具有一定的應(yīng)用價(jià)值。
參考文獻(xiàn)
[1]?趙建光.嵌入式連續(xù)語(yǔ)音識(shí)別系統(tǒng)研究[D].河北工程大學(xué)碩士學(xué)位論文，2007.
[2]?HERMANSKY H, MORGAN N. RASTA processing of speech[J]. IEEE Trans on Speech and Audio Processing, 1994, 2(4): 578-589.
[3]?林波,呂明.基于DTW改進(jìn)算法的孤立詞識(shí)別系統(tǒng)的仿真與分析[J].信息技術(shù), 2006(4): 56-59.