金興祥 劉文通 牟 劍

（成都啟英泰倫科技有限公司 成都 610000）

引言

在家庭里面，抽油煙機是廚房中不可或缺的電器之一，產(chǎn)品形態(tài)經(jīng)歷了中式、歐式、側吸、平板吸的不斷更新。當前市場的數(shù)據(jù)顯示，傳統(tǒng)廚電的增速已經(jīng)顯著放緩，甚至負增長，用戶不但需要高顏值、個性化的產(chǎn)品，還需要能融入當前高科技的智能化產(chǎn)品，匹配智能化家庭。這就要求企業(yè)與時俱進，賦能產(chǎn)品新價值。因此行業(yè)企業(yè)不斷對烹飪習慣和廚房環(huán)境進行深入研究，結合用戶對生活品質(zhì)提升的追求，綜合當前的人工智能技術，持續(xù)對油煙機的產(chǎn)品保持技術更新。而作為當前新技術的人工智能則是行業(yè)應用的一個突破口。

本項目采用基于深度學習的智能語音識別芯片CI1006，將人工智能離線語音識別技術應用于抽油煙機，實現(xiàn)便捷的人機交互。用戶在廚房里烹飪的時候，只需對油煙機說操作指令即可操作油煙機的開、關、風量大小等控制，簡單方便，不需要再放下手中的廚具中斷烹飪過程來操作油煙機。

1 語音識別技術簡介

語音識別技術起源于上世紀50年代，在深度學習、大數(shù)據(jù)出現(xiàn)后，語音識別技術實現(xiàn)了大規(guī)模商用。時至今日，已經(jīng)大量應用在智能家電、智能家居、智能照明燈各個領域，深入到人們的日常生活中。

語音識別技術在產(chǎn)品端的落地應用，則包含三個關鍵技術，算法、芯片及數(shù)據(jù)。

算法方面，從語音識別技術出現(xiàn)至今經(jīng)歷了多個發(fā)展階段，當前主流且實踐有效的是基于深度學習的深度神經(jīng)網(wǎng)絡（Deep Neural Networks, 簡稱DNN）算法，DNN算法的語音識別應用，由聲學模型建模、語言模型建模以及解碼三部分構成。神經(jīng)網(wǎng)絡模擬了人腦的深層結構，能夠更準確地“理解”事物的特征。因此相較于其他方法，深度神經(jīng)網(wǎng)絡可以更為準確地模擬聲學模型和語言模型。圖1揭示了一個深度神經(jīng)網(wǎng)絡表達的具有3個隱藏層的聲學模型結構。DNN的單機多GPU數(shù)據(jù)并行框架具有深層結構、數(shù)千萬參數(shù)需要學習，導致訓練非常耗時，需要強大的運算能力。因此需要運算能力強大的具有硬件加速的專用AI芯片才能更好的發(fā)揮算法的最佳效果。而CI1006是一款工業(yè)級專用AI語音識別芯片，具有強大的運算能力，具備VAD、FE、DNN 算法的硬件加速，能非常好的支持DNN 復雜算法的應用。語音數(shù)據(jù)庫則為算法提供訓練深層網(wǎng)絡使用的數(shù)據(jù)基礎。

2 語音識別油煙機系統(tǒng)設計

2.1 系統(tǒng)控制方案

相比于普通的油煙機產(chǎn)品，智能語音識別油煙機在產(chǎn)品設計上更具有創(chuàng)新性和挑戰(zhàn)性，在產(chǎn)品結構、電路、功能上需要更專業(yè)的支持。

一個完整的語音識別方案應用需要同時具備芯片、算法、數(shù)據(jù)這三個方面的關鍵技術，因此客戶在經(jīng)過識別率、功耗、可靠性、體驗感、量產(chǎn)經(jīng)驗、公司技術支持能力等多方面的對比分析后，綜合客戶的應用場景和技術需求評估，采用了CI1006作為離線語音識別的主控方案。在綜合評估項目開發(fā)的時間、進度等需求后，客戶采取語音識別模塊+主控模塊的方式推進，在最短時間內(nèi)完成產(chǎn)品設計。

2.2 語音識別模塊方案

語音識別模塊板為單面貼裝，主要IC包括CI1006、Flash、Audio Codec、功放和電源。

電源供電：5 V電源通過電源接口輸入，5 V電壓經(jīng)過兩個DC-DC降壓為3.3 V和1.2 V，給主芯片CI1006供電。

語音識別信號流程：麥克風輸入的語音通過Audio Codec傳輸給CI1006，經(jīng)CI1006識別后，通過UART接口發(fā)送給油煙機原控制系統(tǒng)進行控制，由輸出到Audio Codec并處理后送給功放芯片驅(qū)動喇叭播放聲音。

人講話→麥克風輸入→CI1006模組識別→串口發(fā)送命令詞→煙機主機接收后進行控制。

引腳：模塊板上通過引腳將CI1006 芯片功能IO口引出，方便進行開發(fā)。

IO口 配 置：3路 UART，1路 SPI，1路 IIS，2路MIC，1路JTAG，2路PWM，1路IIC，1路音頻輸出。

圖1 DNN算法具有3個隱藏層的聲學模型結構

圖2 語音油煙機系統(tǒng)控制方案

2.3 語音識別算法方案

油煙機運行時本體產(chǎn)生的風機噪聲可高達70多分貝，屬于高嘈雜環(huán)境，還伴有炒菜聲、人的說話聲等，所以在油煙機的應用上需要有非常好的降噪效果。在上述的語音識別模塊上，搭載特有的基于統(tǒng)計模型的噪聲抑制算法，能有效解決該應用場景下的語音識別問題。

算法整體流程框圖如圖4所示。

圖4中，x(n)為純凈信號，d(n)為噪音信號，y(n)為輸入的帶噪語音信號，Y為一幀信號FFT變換后的頻譜，相位部分為∠Xψ(k,l)，為噪聲譜估計算法得到噪聲譜估計值，G為通過譜增益算法求得的增益因子，(k,l)為降噪后的語音頻譜，(n)為經(jīng)過合成窗后疊加輸出的降噪后語音。

幾種常用的噪聲估計算法中采用了時間遞歸平均的算法，該方法簡單有效，但在跟蹤噪聲變化上存在一定的時間延遲，本文算法對此進行了有效改進，提高了噪聲估計的可靠性。

圖3 語音識別模塊和方案結構

在抽油煙機的真實噪聲環(huán)境下進行測試，截取測試過程中部分音頻降噪前后的波形及語譜圖如圖5所示，噪聲抑制算法的結合能有效抑制穩(wěn)態(tài)噪聲，在保證語音失真度的同時具有良好的噪聲抑制效果。

2.4 語音指令詞設置

指令詞字數(shù)在4～6個字；喚醒詞的音節(jié)盡量多且差異大，最少為4音節(jié)；喚醒詞避免使用日常用語，避免誤喚醒；喚醒詞盡量不要用生僻字和零聲母字；喚醒詞避免使用疊詞。

2.5 結構設計要點

在實際設計中，麥克風安裝時需要把拾音范圍控制在使用者發(fā)音范圍內(nèi)。油煙機內(nèi)有電機，工作時會產(chǎn)生振動和噪音，麥克風盡量遠離噪音源和振動源，并且安裝結構要盡量做到避免振動。麥克風盡量避免風吹，風會帶動空氣流動形成密度不均勻的狀態(tài)，聲音在這種情況下傳導會失真，影響識別效果。在以上要點基礎上需要同時需要考慮到麥克風的防水問題。

圖4 基于統(tǒng)計模型的噪聲抑制算法

圖5 煙機噪聲環(huán)境下降噪前后的波形及語譜圖

3 指令測試

在系統(tǒng)設計完成，按照實際家居使用環(huán)境將測試環(huán)境搭建好后，我們用指令詞對語音油煙機進行實地測試，在油煙機開機到最大風量情況下，實際測試效果非常好，達到90 %的識別率，客戶很滿意。

指令詞集：你好煙機，打開煙機，關閉煙機，三檔風，二檔風，一擋風，增大音量，減小音量，打開照明，關閉照明，延時關機。

4 結束語

以語音識別控制的方式來給油煙機賦能，使操作智能化，加上自然語言的應用，使用戶擺脫了烹飪過程中手動操作油煙機，實現(xiàn)無需網(wǎng)絡的人機交互，能夠一邊烹飪一邊通過語音來操作油煙機。本項目的研究已在客戶端實現(xiàn)量產(chǎn)。

基于CI1006的語音識別模塊還應用在更多的領域，如智能音箱、智能玩具、智能家電、智能家居、智能汽車、智能照明等，通過給產(chǎn)品賦能，提升產(chǎn)品技術含量，推動產(chǎn)品升級，為產(chǎn)品帶來更高的價值，為用戶提供更便捷、更智能的體驗。