基于ARM的非特定人语音识别系统的设计方案

　　4 系统软件功能设计

　　4.1 语音识别软件设计

　　系统主控上电后首先进行各项初始化，包括LD3320 需要的8M 时钟信号，由STM32 初始化后输出8M 频率供给LD3320使用，初始化STM32内部时钟、SD卡文件系统、SPI相关寄存器、SDIO数据初始化、中断设置等等。经过初始化后SD 卡文件系统会在SD 卡中寻找system.ini配置文件，将里面的字段进行拆分后提取，送给LD3320相关寄存器，随后把关键字句列表和长度信息传送给LD3320并启动识别过程，当识别成功后串口会发出响应的返回值参数，并且按照用户需求可以指定需要解码的音频文件，经过LD3320进行MP3文件解码输出，程序流程图如图5所示。

　　主控程序初始化代码如下：

　　4.2 SD卡文件系统软件设计

　　在实际应用中，修改主控制单片机程序较为复杂，本系统将识别关键语句写在一个命名为 system.ini文件中，将此文件拷贝到SD卡中，SD卡需要实现格式化，只能出现一个。ini 文件，其他的文件均为XXX.mp3 文件，SD 的片选信号CS、数据输入信号DI、数据输出信号DO、时钟信号SCLK 在硬件上已经与STM32的SPI接口相连接，系统上电后会初始化SD卡文件系统，发送至少74个时钟以上确保SD卡片选正常后将SD卡复位等待8个时钟周期进入SPI读写模式，通过STM32内部编写好的文件系统程序找寻“配置文件”即system.ini文件，读取关键词识别列表内容，在系统软件编程中，采用3个字段进行功能约定，字段功能约定配置如下：

　　5 性能测试与分析

　　为保证系统对非特定人的语音识别效果、环境底噪影响、语音识别过程响应时间、非特定人声音样本识别成功率等参数达标，本文针对各项参数指定了测试方案，实验环境分为安静环境（如家居环境）和相对嘈杂的环境（如课堂环境）进行了实测，指定3名发音人作为 3个不同的声音识别样本，选定了短句识别语句、中长句识别语句，长句识别语句各2条进行样本测试（约定3字以下为短句，3~5字为中长句，5字以上为长句），每种测试语句结合不同发音人重复20次结果进行统计，在安静环境下测试短句识别准确率为93.37%、中长句识别准确率为91.67%、长句识别准确率为90.23%.在嘈杂环境下测试短句识别准确率为87.25%、中长句识别准确率为84.36%、长句识别准确率为81.12%.从实验数据上分析，制约识别准确率的原因是多方面的，与发音人本身声音质量、环境底噪、识别语句近似度、识别语句长度均有关系，单从数据上不难得到总体识别率应该是在 81%以上，可以满足应用需求，系统实物图如图6所示，硬件结构小巧，功耗低、性价比高，因此具备市场应用前景和市场需求。

　　6 结语

　　普及语音识别技术是当前研究和发展的新趋势，特别是对于非特定人的语音识别是语音信号领域处理的热点和难点，本方案利用了STM32F103C8T6与LD3320结合，配合各种外围电路完成了非特定人语音识别的嵌入式平台，在平台中通过硬软件构建，在不更改主控制芯片程序的前提下，用户可以通过更改SD 卡内配置文件的方法随意设定识别关键语句，经过不同发音人和环境的实测，该系统在嘈杂环境中的识别准确率可达81%，在安静环境中的识别准确率可达90% 以上，本系统可以方便的嵌入用户系统或者板卡中，积木式搭建灵活实用，因而具有广泛的市场需求和应用前景。