朱江燦　王新懷　徐茵等

關(guān)鍵詞：AIR32F103CBT6；MEMS麥克風(fēng)；端點(diǎn)檢測；基音頻率；啼哭監(jiān)測

照顧嬰兒是一項(xiàng)辛苦的工作，嬰兒往往會(huì)因?yàn)榄h(huán)境的輕微的變化而產(chǎn)生啼哭行為，需要父母去安撫，這耗費(fèi)了父母的大量精力，影響了父母正常的工作和生活。隨著語音識(shí)別技術(shù)的迅速發(fā)展，語音識(shí)別已經(jīng)成為各類邊緣嵌入式電子系統(tǒng)的重要感知手段。針對嬰兒領(lǐng)域的產(chǎn)品也是層出不窮，其中包括針對嬰兒啼哭聲識(shí)別的產(chǎn)品。

隨著人機(jī)交互、語音識(shí)別、嵌入式等技術(shù)在智能家居領(lǐng)域的快速應(yīng)用，出現(xiàn)了一系列高度智能化、便捷化的商業(yè)產(chǎn)品，諸如掃地機(jī)器人、小米音箱、智能門鎖和智能監(jiān)控?cái)z像頭等。同時(shí)智能化的嬰兒看護(hù)產(chǎn)品也逐漸興起并推廣開來，為母嬰用戶帶來了巨大的便利，用戶不用時(shí)刻陪伴在嬰兒身邊。本文就嬰兒啼哭識(shí)別系統(tǒng)進(jìn)行設(shè)計(jì)，力圖以簡易的方式和方法搭建一個(gè)嬰兒啼哭聲識(shí)別系統(tǒng)。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)組成部分

如圖1所示，該系統(tǒng)主要分為4個(gè)組成部分，首先是聲音拾取與信號(hào)調(diào)理模塊，模塊使用集成硅麥克風(fēng)芯片拾取環(huán)境聲音，經(jīng)自動(dòng)增益電路調(diào)理后接入處理器AD采集端口。然后是處理器主控模塊，MCU 以pingpong工作機(jī)制同時(shí)完成采集操作與信號(hào)處理操作，其中信號(hào)處理程序包括預(yù)處理、端點(diǎn)檢測、基音頻率提取3 個(gè)部分。最后是語音安撫模塊與無線通信模塊，當(dāng)識(shí)別到有效嬰兒啼哭聲時(shí)，語音安撫模塊將播放音樂，無線通信模塊將通知監(jiān)護(hù)人。

1.2 系統(tǒng)工作過程

嬰兒啼哭監(jiān)測及安撫系統(tǒng)的工作過程如下：首先，由聲音拾取與信號(hào)調(diào)理模塊的聲音拾取芯片（MEMS 硅麥克風(fēng)）收集環(huán)境聲音，經(jīng)信號(hào)調(diào)理電路完成自動(dòng)增益后由處理器主控模塊采集，處理器主控模塊采集到音頻數(shù)據(jù)后，將首先通過獲取環(huán)境信號(hào)特征完成環(huán)境噪聲與端點(diǎn)檢測特征值自適應(yīng)，然后對音頻信號(hào)預(yù)處理，最后通過端點(diǎn)檢測算法提取出有音信號(hào)段，如處理器主控模塊檢測到有效的音頻信號(hào)段，則通過MFCC 算法提取此段信號(hào)的頻率特征，然后根據(jù)音頻信號(hào)頻率倒譜提取出基音頻率，最后通過基音頻率各類統(tǒng)計(jì)值做最后判斷，若識(shí)別結(jié)果為有效嬰兒啼哭聲，則觸發(fā)安撫行為，包括驅(qū)動(dòng)語音安撫模塊播放安撫音樂與父母安撫聲，驅(qū)動(dòng)無線通信模塊通知父母嬰兒發(fā)生啼哭。

2 系統(tǒng)功能實(shí)現(xiàn)與工作原理

2.1 硬件部分

2.1.1 采集與信號(hào)調(diào)理模塊

麥克風(fēng)采用MEMS 微型硅麥克風(fēng)，MEMS麥克風(fēng)將電容器集成在微硅晶片上，可以采用表貼工藝進(jìn)行制造，直徑不到1 mm 的小型薄膜的重量非常輕巧，且與ECM 相比，MEMS 麥克風(fēng)會(huì)對由安裝在同一PCB 上的揚(yáng)聲器引起的PCB 噪聲產(chǎn)生更低的振動(dòng)耦合；另外，它也具有改進(jìn)的噪聲消除性能與良好的RF 及EMI 抑制。

2.1.2 語音安撫及無線通信模塊

語音安撫模塊采用YX5200-24SS 作為主芯片，YX5200-24SS 是一個(gè)支持串口的語音芯片，集成了MP3、WAV、WMA 的硬解碼；預(yù)先將安撫音樂與父母的安撫音頻存入，安撫事件觸發(fā)信號(hào)到來時(shí)，將通過串口驅(qū)動(dòng)語音安撫模塊播放某一安撫音頻。而無線通信模塊采樣集成藍(lán)牙芯片，安撫事件觸發(fā)信號(hào)到來時(shí)將通知父母監(jiān)測到嬰兒啼哭。

2.2 軟件部分

2.2.1 預(yù)處理

預(yù)處理程序流程圖如圖2 所示，所述的信號(hào)預(yù)處理程序的流程為：當(dāng)預(yù)處理程序接收到采集的信號(hào)后，首先求取此段信號(hào)均值，然后利用均值完成噪聲自適應(yīng)與端點(diǎn)檢測特征值自適應(yīng)，完成自適應(yīng)之后，對原信號(hào)完成預(yù)加重操作，增強(qiáng)高頻成分，最后將此段信號(hào)按設(shè)定的幀長與幀移完成分幀操作即可傳入端點(diǎn)檢測程序。

預(yù)加重的目的是提升高頻部分，使信號(hào)的頻譜變得平坦，使得全頻帶盡可能的均衡，以此來補(bǔ)償語音信號(hào)受到發(fā)音系統(tǒng)所抑制的高頻部分，突出高頻的共振峰；然后是信號(hào)分幀處理，由于傅里葉變換要求輸入信號(hào)是平穩(wěn)的，非平穩(wěn)信號(hào)的傅里葉變換是沒有意義的，而短時(shí)傅里葉變換可對其完成分析；語音信號(hào)就是非平穩(wěn)信號(hào)，但其在短時(shí)上是有一定的周期性的，即在1 個(gè)較短的時(shí)間片里它可被認(rèn)定為接近平穩(wěn)信號(hào)，因此要進(jìn)行分幀的操作，即截取短時(shí)的語音片段；而語音的基頻在（100～250）Hz，即基音周期在（4～10）ms，而每幀含有2～3個(gè)周期主頻能量表現(xiàn)才較佳，這里采用8 kHz采樣率，幀長256，即32 ms；此外，分幀時(shí)的幀移取128，即相鄰兩幀將有部分重疊，可使此段信號(hào)計(jì)算得到的基音頻率更加平滑，也可減弱后續(xù)加窗操作的副作用。

2.2.2 端點(diǎn)檢測

端點(diǎn)檢測程序流程圖如圖3 所示，所述的端點(diǎn)檢測程序流程為：完成預(yù)處理的音頻信號(hào)傳入后，首先根據(jù)噪聲自適應(yīng)值設(shè)定短時(shí)幅度累計(jì)閾值，然后設(shè)定短時(shí)過零閾值，其中短時(shí)幅度累計(jì)值通過預(yù)處理過程得到的幅度累積閾值乘系數(shù)得到，而短時(shí)過零率的“0 點(diǎn)”則為預(yù)處理過程得到的噪聲閾值計(jì)算出的以0 點(diǎn)為中心的1個(gè)窗口，窗口內(nèi)的值都被認(rèn)為是0 值，輸入信號(hào)相鄰兩個(gè)值分別大于窗口與小于窗口，則視為一次過0。然后遍歷所有幀，根據(jù)兩個(gè)閾值獲得有音聲段，然后將有音聲段幀序號(hào)傳入基音頻率提取程序。

2.2.3 基音頻率提取

基音頻率提取程序流程圖如圖4 所示，所述的基音頻率求取程序的流程為：有音聲段傳入后，此程序?qū)⒁来翁幚砻總€(gè)有音聲段幀，首先對幀數(shù)據(jù)進(jìn)行窗函數(shù)濾波操作，然后輸入FFT 算法輸入端，再對FFT 算法輸出的復(fù)數(shù)數(shù)組求取幅值，再對幅值取對數(shù)，最后再帶入IFFT 算法求得倒譜，然后求得基音頻率及其統(tǒng)計(jì)特征，如果基音頻率超過設(shè)定的頻率閾值，則判定為識(shí)別到有效嬰兒啼哭，最后將會(huì)觸發(fā)安撫模塊。

3 項(xiàng)目測試

嬰兒啼哭監(jiān)測及安撫系統(tǒng)于3個(gè)場景下完成了12h長時(shí)間測試，分別是睡覺環(huán)境、人聲環(huán)境、客廳環(huán)境，分別代表僅含環(huán)境白噪聲、除環(huán)境白噪聲外還包含說話聲與家具移動(dòng)聲、除環(huán)境白噪聲還包含電視機(jī)聲音與音樂聲音；經(jīng)測試，在睡覺環(huán)境中，識(shí)別準(zhǔn)確率高于99.9%；在人聲環(huán)境中，識(shí)別準(zhǔn)確率大約為97.73%；在客廳環(huán)境中，識(shí)別準(zhǔn)確率大約為94.97%。此外嬰兒啼哭監(jiān)測及安撫系統(tǒng)還有一參數(shù)可按情況調(diào)整，此參數(shù)為單位時(shí)間內(nèi)有效輸出驗(yàn)證次數(shù)，即在1 s 時(shí)間內(nèi)，識(shí)別到幾次嬰兒啼哭聲則視為有效嬰兒啼哭，此參數(shù)越大則誤判率越低，對應(yīng)的實(shí)時(shí)性越差，以上測試此參數(shù)皆設(shè)為2，輸出延遲約0.3 s，通過設(shè)置此參數(shù)可在實(shí)時(shí)性和準(zhǔn)確性之間尋求一個(gè)平衡。

4 結(jié)束語

本系統(tǒng)采用基于音頻特征的語音識(shí)別方案，通過提取嬰兒啼哭聲的倒譜特征，進(jìn)而得到嬰兒啼哭聲的基音頻率及其統(tǒng)計(jì)特征來判定嬰兒啼哭聲的存在，降低了對處理器存儲(chǔ)器容量以及對處理器算力的要求，降低了成本，此外系統(tǒng)采用ping-pong 工作機(jī)制，實(shí)時(shí)性強(qiáng)，經(jīng)測試平均延遲為200 ms，本系統(tǒng)可廣泛應(yīng)用于智能玩偶及智能童車等。