王俐偉 廉小親 安颯 付靜

WANG Liwei LIAN Xiaoqin AN Sa FU Jing

北京工商大學計算機與信息工程學院 食品安全大數(shù)據(jù)技術北京市重點實驗室 北京 100048

Beijing Key Laboratory of Big Data Technology for Food Safety, School of Computer and Information Engineering, Beijing Technology and Business University Beijing 100048

1 引言

隨著人工智能技術的迅速發(fā)展，語音識別技術已經(jīng)相對成熟，相關的語音識別智能產(chǎn)品也因研發(fā)成本的不斷降低而逐漸普及。傳統(tǒng)的空調(diào)系統(tǒng)在控制過程中存在操作繁瑣、需要用戶借助遙控器等設備發(fā)出控制指令等問題，影響了用戶的使用體驗。本設計將非特定人語音識別技術應用到空調(diào)控制系統(tǒng)中，用戶通過語音指令的方式就能調(diào)整空調(diào)系統(tǒng)的運行狀態(tài)?，F(xiàn)有的空調(diào)控制方式主要為遙控控制，少數(shù)空調(diào)支持手機APP控制。但這些控制方法都需要用戶操作相關的設備才能實現(xiàn)對空調(diào)的控制。語音控制技術的出現(xiàn)改變了用戶與智能家居之間的“交流”方式，解放了用戶的雙手，改善了用戶在智能家居[1]系統(tǒng)中的使用體驗。語音識別控制技術讓用戶與智能家居之間的信息交流更加智能化，用戶只需通過講話的方式就能控制智能家居系統(tǒng)實現(xiàn)相應的功能。

2 系統(tǒng)需求分析及總體設計

2.1 系統(tǒng)需求分析

結合現(xiàn)有的空調(diào)控制技術和語音識別技術[2]，本系統(tǒng)主要實現(xiàn)以下功能：

（1）通過語音指令實現(xiàn)空調(diào)開機、關機功能；

（2）通過語音指令調(diào)整空調(diào)工作模式；

（3）通過語音指令調(diào)整空調(diào)的風速；

（4）通過語音指令調(diào)整空調(diào)的設定溫度。

2.2 系統(tǒng)總體設計

智能空調(diào)語音控制系統(tǒng)主要由LD3320語音識別模塊、STM32主控模塊和空調(diào)控制器三部分組成。LD3320語音識別模塊通過MIC采集來自用戶的語音信號，該模塊通過SPI通訊方式與STM32主控模塊進行通信，STM32主控模塊和空調(diào)控制器之間采用串行通信方式進行通訊，智能家居語音控制系統(tǒng)總體結構框圖如圖1所示。

LD3320語音識別芯片采用先進的非特定人語音識別技術并支持關鍵詞列表動態(tài)編輯。語音識別模塊通過麥克風采集到語音信號后開始識別并將識別結果寫入相應的寄存器，同時產(chǎn)生中斷到STM32主控模塊，STM32主控模塊通過讀取語音識別模塊相應寄存器的值來識別語音指令，并根據(jù)語音指令對空調(diào)進行控制。

空調(diào)控制器主要由空調(diào)主控模塊和電源模塊組成，空調(diào)主控模塊通過UART方式接收到來自STM32主控模塊的控制指令后執(zhí)行相關的任務。

3 系統(tǒng)硬件設計

本系統(tǒng)的硬件設計主要分為語音控制器和空調(diào)控制器兩部分，系統(tǒng)的硬件組成框圖如圖2所示。語音控制器硬件電路主要包括LD3320語音識別模塊電路、STM32主控模塊電路和電源電路三部分[3]。空調(diào)控制器硬件電路主要包括空調(diào)主控模塊電路和電源電路兩部分。本系統(tǒng)中空調(diào)控制器為空調(diào)廠家定制產(chǎn)品，軟硬件部分均由空調(diào)廠家技術部門設計和制作，本文不作詳細介紹，主要介紹LD3320語音識別模塊和STM32主控模塊的硬件電路設計。

3.1 LD3320語音識別模塊

本系統(tǒng)的語音識別模塊采用的是ICRoute公司設計生產(chǎn)的LD3320型號離線語音識別模塊，該模塊內(nèi)部固化了高效的非特定人語音識別[4]搜索引擎模塊，不需事先錄音和訓練，同時內(nèi)置了高精度的AD、DA電路，不需外接Flash、RAM。LD3320芯片最多支持50個關鍵詞的識別，可動態(tài)更新關鍵詞列表，語音識別準確率高達95%。通訊接口方面，LD3320支持并行和串行兩種通訊方式，本設計采用SPI串行方式實現(xiàn)LD3320語音識別模塊和STM32的通訊。LD3320芯片的語音識別模式分為單次模式和循環(huán)模式兩種。為了保證本系統(tǒng)控制的實時性，本設計中語音識別模塊采用循環(huán)語音識別的工作方式。

本設計中LD3320語音識別模塊的電路圖如圖3所示，電路參照ICRoute公司發(fā)布的LD3320數(shù)據(jù)手冊進行設計，LD3320的通訊方式由46引腳MD決定，當MD引腳為高電平時采用串行SPI通訊，反之則為并行通訊，本設計中將MD引腳電平置高，使得LD3320與STM32單片機采用SPI通訊。

3.2 STM32主控模塊

本系統(tǒng)主控模塊采用STM32F103C8T6芯片，該芯片基于Cortex-M3架構，最高支持72MHz時鐘頻率，內(nèi)部集成了Flash存儲、豐富的I/O口和先進的中斷響應系統(tǒng)。具有功耗低，工作穩(wěn)定等優(yōu)點，滿足了本系統(tǒng)的設計要求，電路圖如圖4所示。其中PB12 IO口與按鍵key相連，該按鍵按下時關閉語音識別模塊。

4 STM32與空調(diào)控制器通訊協(xié)議設計

本系統(tǒng)中的LD3320語音識別芯片采用SPI通訊方式與STM32主控模塊進行通信，該芯片通過操作寄存器進行配置和使用，無需復雜的通訊協(xié)議。所以本文主要介紹STM32主控模塊和空調(diào)控制器之間的通訊協(xié)議。

圖1 系統(tǒng)總體結構框圖

圖2 系統(tǒng)硬件組成框圖

表1 主從機通訊數(shù)據(jù)封裝格式

表2 功能碼具體內(nèi)容

表3 主機數(shù)據(jù)域第四字節(jié)功能含義

圖3 LD3320語音識別模塊電路圖

圖4 STM32主控模塊電路圖

STM32主控模塊與空調(diào)主控板之間采用全雙工異步串行通信方式。協(xié)議規(guī)定STM32主控模塊為主機，空調(diào)主控模塊為從機，通訊數(shù)據(jù)封裝格式如表1所示。數(shù)據(jù)幀頭為0xBB，STM32主控模塊地址為0x00，空調(diào)主控模塊地址為0x01；功能碼分為控制命令，查詢命令和復位命令，具體內(nèi)容見表2[5]。數(shù)據(jù)長度由每次發(fā)送的數(shù)據(jù)區(qū)實際長度所決定，該值不大于250。校驗碼采用CRC校驗方式；數(shù)據(jù)格式采用1個起始位、8個數(shù)據(jù)位、1個奇偶校驗位和1個停止位，波特率為9600bps。

4.1 協(xié)議中數(shù)據(jù)通信過程

主機每次發(fā)送數(shù)據(jù)完成后，從機會延時200ms后返回數(shù)據(jù)；當從機主動發(fā)送信號時，主機接收到后會在200ms后返回，主機兩條指令發(fā)送數(shù)據(jù)應大于500ms。通訊過程如圖5所示。協(xié)議規(guī)定每幀數(shù)據(jù)開始前必須至少有100ms的間隔時間，數(shù)據(jù)發(fā)送結束后，同樣需要100ms的間隔時間，然后才能發(fā)送新的數(shù)據(jù)。

4.2 通訊協(xié)議內(nèi)容

通信協(xié)議內(nèi)容主要分為主機和從機數(shù)據(jù)區(qū)內(nèi)容，這里主機是指STM32主控模塊，從機為空調(diào)主控制板。通信協(xié)議涉及空調(diào)工作狀態(tài)較多，這里以設置空調(diào)工作模式為例說明，后邊也以此為主進行設計和測試。

STM32主控模塊下發(fā)控制命令，此時通信數(shù)據(jù)格式中的功能碼為0x03，通信數(shù)據(jù)格式中數(shù)據(jù)區(qū)的前三字節(jié)表示協(xié)議版本號和開關機，第四字節(jié)表示空調(diào)模式設置。數(shù)據(jù)區(qū)主機數(shù)據(jù)域第四字節(jié)功能含義如表3所示，第四位表示工作模式，一共五種工作模式表示空調(diào)運行時的常規(guī)功能設置。

5 系統(tǒng)軟件設計

本系統(tǒng)的軟件設計主要分為語音控制器的軟件設計和空調(diào)控制器的軟件設計兩大部分。其中空調(diào)控制器為空調(diào)廠家定制產(chǎn)品，本文不做過多介紹，主要介紹語音識別控制器的軟件設計思路。本系統(tǒng)中語音控制器的軟件設計參考LD3320開發(fā)手冊，程序設計主要分為主程序設計和中斷服務子程序設計兩部分。

圖5 主從機通訊過程

5.1 主程序設計

系統(tǒng)的主程序流程圖如圖6所示。通用初始化包括STM32芯片初始化和LD3320芯片的初始化。LD3320芯片的初始化主要包括對語音識別芯片進行軟復位和基礎化配置，例如設置模塊的工作模式，通訊方式以及時鐘頻率等[6]。通過配置寄存器35的值來調(diào)整好MIC的音量，寄存器35控制的ADC增益通道為麥克風的輸入通道，MIC的音量隨著ADC增益值的增大而增大[7]。官方推薦該值為40H～6FH，增益值太小，遠距離語音識別效果就會降低；反之，增益值太大，語音控制器又容易受到遠處聲音的干擾。

寫入關鍵詞主要為配置語音識別模塊的關鍵詞列表。LD3320語音識別芯片最多支持50個關鍵詞，且每一個關鍵詞對應一個特定的編號，編號可以相同，可以不連續(xù)，但不能大于256。每一個關鍵詞是標準普通話的漢語拼音小寫，每個關鍵詞之間需要用一個空格隔開?？照{(diào)語音控制的關鍵詞較多，主要以空調(diào)模式設置的關鍵詞為例進行說明，如表4所示。

打開外部中斷后向語音識別模塊發(fā)送開啟識別命令，掃描按鍵key是否按下，如果按下則關閉語音識別模塊。本設計中LD3320語音識別芯片采用循環(huán)語音識別和中斷觸發(fā)的工作方式，即芯片通過MIC采集到聲音信號后開始進行語音識別并將識別結果與表4中的關鍵詞進行比較。將識別結果的個數(shù)和最佳的識別結果分別存入BA和C5寄存器，并向STM32主控模塊發(fā)出中斷請求。完成這一系列的任務后LD3320語音識別芯片重新通過MIC采集聲音信號。

5.2 中斷服務子程序設計

中斷服務子程序的主要功能為提取出LD3320語音識別芯片的識別結果，并根據(jù)結果對空調(diào)進行相應的控制。中斷服務子程序流程圖如圖7所示。

圖6 主程序流程圖

STM32主控模塊接收到外部中斷信號后執(zhí)行中斷服務子程序。首先讀取LD3320芯片BA寄存器的值，該值表示LD3320語音識別芯片識別到幾種答案；如果該值為零，代表語音識別芯片未識別到有效的語音指令；如果BA寄存器的值不為零，則讀取C5寄存器的值，該值為語音識別芯片識別出的最佳結果；然后STM32主控模塊根據(jù)C5寄存器的值執(zhí)行相應的空調(diào)控制子程序，按照制定好的協(xié)議將空調(diào)控制指令通過串口通訊方式發(fā)送到空調(diào)控制器，從而實現(xiàn)通過語音指令控制空調(diào)的目的。

圖7 中斷服務子程序流程圖

6 系統(tǒng)性能測試與應用

本文所設計的系統(tǒng)主要用于空調(diào)等電器的語音控制，在實際的應用中主要關注系統(tǒng)語音識別的成功率和實時性。本設計中空調(diào)部分為廠家定制產(chǎn)品，高度集成并且運行穩(wěn)定無需過多測試。所以本系統(tǒng)的測試主要以語音識別成功率為主。

為了測試本系統(tǒng)非特定人語音識別的成功率，本次測試選擇多個不同音色的人在實驗室環(huán)境下進行。由于本系統(tǒng)空調(diào)的控制指令較多，本次測試就主要以空調(diào)的模式設置功能進行測試并觀察系統(tǒng)的實際響應。每位測試者對空調(diào)模式設置的五個關鍵詞分別測試50遍并記錄系統(tǒng)的識別結果。部分非特定人語音識別測試結果記錄表見表5。

由表5可知，在實驗室環(huán)境下，本系統(tǒng)對語音指令的識別率較高，并且系統(tǒng)的語音識別并沒有受到測試者不同音色的影響，平均識別率可達90%。

表4 空調(diào)模式設置關鍵詞列表

表5 部分非特定人語音識別測試記錄表

7 結束語

語音的識別與處理是目前語音信號處理領域的重點與難點。本設計將STM32C8T6單片機與LD3320非特定人語音識別芯片相結合，實現(xiàn)了智能空調(diào)語音控制系統(tǒng)的總體設計。試驗結果表明本系統(tǒng)對非特定人語音識別的成功率高達90%，實現(xiàn)了語音對空調(diào)的控制，達到了良好的實驗效果。本系統(tǒng)通用性強，可移植性高，具有良好的發(fā)展前景。

基金項目：

北京工商大學研究生培養(yǎng)-研究生教育質(zhì)量提升計劃項目（19008001491）

北京高等學校教育教學改革項目（2015-ms146）

北京工商大學教務處教學研究與教改項目

（10800101009）