鄭樂一 趙永根 浙江大學(xué)附屬兒童醫(yī)院 信息科 （浙江 杭州 310006）

內(nèi)容提要： 文章的主要內(nèi)容是語音識別與控制。控制系統(tǒng)是基于單片機(jī)及其他外圍器件與電路，模擬多種醫(yī)院醫(yī)療設(shè)備、患者病房服務(wù)設(shè)備、機(jī)電、電子、測控等器件，使其能在語音指令下工作。具體組成由語音識別軟件、單片機(jī)系統(tǒng)、語音芯片等組成的語音識別與控制、語音播放綜合系統(tǒng)。試驗(yàn)表明該系統(tǒng)能基本達(dá)到人機(jī)交流與控制的目的。

生活中，人們通過語言互相交流。用機(jī)器和人之間通過語言進(jìn)行交流，這是人們的一個夢想，語音技術(shù)是機(jī)器領(lǐng)域中未來發(fā)展的一個方向。人與機(jī)器交流的過程是最好的信息交換手段，人與機(jī)器語音對話可使控制效率提高，其綜合應(yīng)用前景非常好。語音識別技術(shù)的內(nèi)容比較多，包括信號處理、模式識別、聽與說機(jī)制、人工智能等。語音識別分為獨(dú)立與連續(xù)語音識別系統(tǒng)、特定語音識別和非特定語音識別。其中，獨(dú)立字詞發(fā)聲比較容易識別，連續(xù)句因字詞之間因無停頓，識別檢測比較困難[1]。

1.漢語發(fā)聲模式

漢語有近千個左右音節(jié)，若不考慮聲調(diào)，約有數(shù)百個音節(jié)。漢語每個字的音節(jié)是由聲母和韻母組成，韻母決定了聲音的聲調(diào)變化。

漢語具有獨(dú)特的四聲調(diào)特性，即漢語的每個字都有四種不同的聲調(diào)，同一個字在不同的上下文語境中又會有不同的韻律特征。

在實(shí)際漢語語音環(huán)境中，常把聲母根據(jù)后續(xù)韻母的不同再細(xì)分，并把韻母根據(jù)聲調(diào)的變化也繼續(xù)細(xì)分[2]。

在漢語語音識別環(huán)境中，語音識別單元的選取與英文不同。英文系統(tǒng)一般采用音素做識別單元，而漢語一般采用音節(jié)做識別單元?；谝艄?jié)的構(gòu)成的模型庫不是非常龐大，因此即使在大詞匯量的語音識別系統(tǒng)中，也可以采用音節(jié)作為語音識別單元。

本系統(tǒng)基本上實(shí)現(xiàn)了語音識別和控制為目的的設(shè)計(jì)要求，同時具有語音播音功能，使系統(tǒng)具有了基本人機(jī)對話能力。

2.系統(tǒng)說明

2.1 系統(tǒng)設(shè)計(jì)

本系統(tǒng)設(shè)計(jì)是用語音控制單片機(jī)實(shí)現(xiàn)功能的一個系統(tǒng)，該系統(tǒng)以少量的語音指令達(dá)到了控制單片機(jī)與其外圍器件功能。系統(tǒng)由軟件和硬件兩部分構(gòu)成。

軟件部分：用delphi開發(fā)的語音識別和串口通訊軟件組成，串口通訊部分使用了spcomm控件；另外是微軟語音開發(fā)引擎，該引擎集成了語音合成、識別、訓(xùn)練等功能，擁有微軟自己開發(fā)的語音庫，經(jīng)過訓(xùn)練后的語音識別精度比較高。

硬件部分：由串/并轉(zhuǎn)接口；語音芯片、雙向模擬開關(guān)、麥克風(fēng)、揚(yáng)聲器等組成；再由發(fā)光二極管模擬顯示外圍器件功能[3]。

該系統(tǒng)是由軟硬件結(jié)合方式進(jìn)行一般的語音識別，通過串/并行口通信，實(shí)行對單片機(jī)控制。實(shí)現(xiàn)發(fā)光二極管發(fā)亮，語音輸出，實(shí)現(xiàn)控制計(jì)算機(jī)外圍設(shè)備的目的，達(dá)到人機(jī)對話智能化要求。存儲語音芯片里的語音會永久保存。本系統(tǒng)若經(jīng)過延伸應(yīng)用范圍會非常廣泛。

2.2 系統(tǒng)運(yùn)行

微軟中提供了語音引擎是需安裝過的。即需要經(jīng)過配置和語音訓(xùn)練，為了能準(zhǔn)確識別語音，讓它先熟悉你的聲音。

語音引擎的調(diào)用類似于自動化服務(wù)器。①從文字到語音，SpVoice的功能是把文字轉(zhuǎn)化為語音。②從語音到文字，SpSharedRecoContext的功能是實(shí)現(xiàn)語音輸入[4]。

對語音識別引擎，在語音屬性控制面板上有相關(guān)選項(xiàng)，來進(jìn)行配置，如語音屬性圖。

此外還須對麥克風(fēng)進(jìn)行配置，使得麥克風(fēng)能正常工作，如麥克風(fēng)向?qū)D。

為了提高語音識別的認(rèn)知率，是要對語音引擎進(jìn)行反復(fù)訓(xùn)練，提高識別效率，如測試安放位置圖。同時在操作過程中注意背景噪音的問題。見圖1～3。

3.軟件編程

在系統(tǒng)中使用Delphi語言, 這是一種方便、快捷的應(yīng)用程序開發(fā)工具，是在微軟系統(tǒng)圖形用戶界面中進(jìn)行編程操作，是目前較好的一類編輯器。

需要注意的是Delphi不帶串口通信控件,若使用Delphi實(shí)現(xiàn)通信目的，是要利用控件，或使用API函數(shù)，或調(diào)用其他串口通信程序來達(dá)到。見圖4。

控制軟件主程序

#include "declare.h"

圖1. 語音屬性對話框

4.系統(tǒng)電路

系統(tǒng)由單片機(jī)控制及語音模塊、二極管發(fā)光功能模塊、串口通信模塊組成。并在單片機(jī)和語音芯片中間設(shè)計(jì)一個雙向模擬開關(guān)，這樣語音芯片的相關(guān)引腳才能正常工作[5]。

發(fā)光二極管是代替外設(shè)功能的應(yīng)用，由單片機(jī)控制。若接繼電器接到二極管，就可以擴(kuò)展其功能，達(dá)到單片機(jī)控制外設(shè)功能的目的。串行口通信部分由轉(zhuǎn)接口和LM485芯片組成。

4.1 單片機(jī)控制放音模塊

圖2. 調(diào)整音量

圖3. 測試安放位置

圖4. 控制流程圖

圖7. 發(fā)光二極管功能模塊電路圖

圖8. 通信模塊電路

圖9. 系統(tǒng)工作流程圖

圖5. 語音芯片的A口操作模式和地址模式的功能表

圖6. 單片機(jī)控制放音模塊的電路

由單片機(jī)、雙向開關(guān)、語音芯片組成。單片機(jī)P1口連接語音芯片的A口，下表是語音芯片的A口操作模式和地址模式的功能表。見圖5。

本系統(tǒng)選擇的是地址工作模式。

首先，對語音芯片錄語音信息，在仿真器中，打開語音芯片的相應(yīng)地址（A口地址），然后，調(diào)節(jié)REC引腳高低電平，進(jìn)行錄音和放音系統(tǒng)試驗(yàn)調(diào)整，直至達(dá)到要求止。見圖6。

4.2 二極管發(fā)光模塊

經(jīng)語音識別后，再經(jīng)由單片機(jī)控制其他外圍器件的功能，若換用繼電器件或其他數(shù)字開關(guān)取代發(fā)光二極管，相應(yīng)就可以控制其他弱電設(shè)備和一般強(qiáng)電設(shè)備，達(dá)到利用語音控制某些醫(yī)療設(shè)備、患者服務(wù)設(shè)備和裝置、機(jī)電與電子設(shè)備、測控類儀器的目的。電路見圖7。

4.3 串口通信模塊

單片機(jī)接到串口發(fā)送的數(shù)據(jù)時，單片機(jī)程序響應(yīng)，開始判斷傳過來的數(shù)據(jù)，并與存儲的數(shù)據(jù)進(jìn)行比較，當(dāng)符合響應(yīng)要求的時候，單片機(jī)相應(yīng)控制口應(yīng)為高電平，此時語音芯片的相應(yīng)口為低電平，則放送的是錄音地址口的語音，且相應(yīng)二極管導(dǎo)通發(fā)亮；當(dāng)識別出信號是“否”的時候，單片機(jī)另一相應(yīng)控制口為高電平時，此時語音芯片放送的是另一相應(yīng)地址的語音，且相對應(yīng)二極管將導(dǎo)通發(fā)亮。電路見圖8[6]。

5.系統(tǒng)工作流程圖

見圖9。

6.小結(jié)

由單片機(jī)語音控制其他外圍機(jī)器，包括各種醫(yī)療設(shè)備、患者服務(wù)設(shè)備、機(jī)電、電子、測控等器件，能讓它在人們語音指令下工作，是研究者希望達(dá)到的目的，本語音控制系統(tǒng)的測試結(jié)果基本達(dá)到了初始設(shè)計(jì)要求。即可實(shí)現(xiàn)用單片機(jī)控制、語音識別、發(fā)光二極管模擬機(jī)器功能的目的[7]。

在實(shí)際中若用相關(guān)器件或者數(shù)字開關(guān)取代發(fā)光二極管，即可控制相應(yīng)的弱電設(shè)備和一般的強(qiáng)電設(shè)備工作。