王光艷，楊秀芬，周慧敏，于寶蕓

(天津商業(yè)大學(xué) 信息工程學(xué)院，天津 300134)

0 引言

智能家居系統(tǒng)是物聯(lián)網(wǎng)技術(shù)的一種具體實(shí)現(xiàn)，目標(biāo)是讓家居環(huán)境更加舒適、安全、環(huán)保和便捷，系統(tǒng)功能可以涵蓋家居功能的各個(gè)方面[1]。智能家居從2014年啟動(dòng)至今，實(shí)現(xiàn)了從智能單品到系統(tǒng)整體的過(guò)渡，越來(lái)越多的人開始關(guān)注到這一領(lǐng)域[2]。家居設(shè)備的智能化自動(dòng)管控是智能家居平臺(tái)的核心能力，理想的智能家居自動(dòng)管控系統(tǒng)需要具備“服務(wù)無(wú)感化”、“服務(wù)精確化”和“服務(wù)智能化”等3個(gè)特征[3]。

語(yǔ)音信號(hào)處理技術(shù)在計(jì)算機(jī)接口與人機(jī)交互方面的應(yīng)用最廣泛[4]。20世紀(jì)50年代語(yǔ)音交互技術(shù)開始在聲控設(shè)備方面進(jìn)行研究嘗試，隨著語(yǔ)音技術(shù)的不斷發(fā)展，語(yǔ)音交互在移動(dòng)終端的應(yīng)用經(jīng)歷了功能機(jī)階段到智能機(jī)器階段的跨步，許多語(yǔ)音交互類應(yīng)用開始滲透到人類生活的方方面面。用戶可以通過(guò)設(shè)置多種模式，應(yīng)用于生活的各個(gè)場(chǎng)景，當(dāng)輕松說(shuō)出“我要會(huì)客”、“準(zhǔn)備就餐”、“我要出門了”、“打開影院模式”等即可調(diào)出對(duì)應(yīng)的模式，并且能控制一系列電器。SCIUTO[5]等將這類智能家居系統(tǒng)模式統(tǒng)稱為“以會(huì)話智能體為中心的家居生態(tài)系統(tǒng)”。智能家居語(yǔ)音控制系統(tǒng)中，利用移動(dòng)終端對(duì)智能家居進(jìn)行遠(yuǎn)程控制的技術(shù)日益用于生活中，人們可以通過(guò)手機(jī)發(fā)送指令，就能對(duì)家中的電器進(jìn)行操作與監(jiān)控[6]。

本論文以智能家居中的語(yǔ)音交互技術(shù)為切入點(diǎn)，以幫助老年人用聲音控制空調(diào)、燈和冰箱等常用家用電器的開關(guān)為研究對(duì)象，通過(guò)總結(jié)Zigbee、DSP和單片機(jī)等不同硬件技術(shù)的智能家居語(yǔ)音交互方案，綜合考慮系統(tǒng)的主要功能和操作便捷性，選擇單片機(jī)技術(shù)為硬件方案，基于百度 AI語(yǔ)音平臺(tái)，完成了聲控家電系統(tǒng)的方案設(shè)計(jì)，并基于Protues環(huán)境，進(jìn)行了功能仿真。

1 語(yǔ)音交互相關(guān)技術(shù)理論

語(yǔ)音是人機(jī)交互中的重要手段[7]，人們通過(guò)語(yǔ)音輸入向機(jī)器傳遞意圖，機(jī)器根據(jù)語(yǔ)音執(zhí)行對(duì)應(yīng)的任務(wù)；用戶與系統(tǒng)建立通信，然后將執(zhí)行結(jié)果反饋給用戶。整個(gè)過(guò)程完成了在表達(dá)、執(zhí)行、表現(xiàn)和觀察四種狀態(tài)的轉(zhuǎn)換。本論文選擇的是語(yǔ)音與用戶界面結(jié)合的人機(jī)交互方式，它以語(yǔ)音為交互通道。語(yǔ)音交互的關(guān)鍵技術(shù)主要是語(yǔ)音合成技術(shù)和語(yǔ)音識(shí)別技術(shù)，而語(yǔ)音交互技術(shù)也是人機(jī)交互中的一部分。

1.1 人機(jī)交互技術(shù)

人機(jī)交互（Human-Computer Interaction，HCI）是對(duì)計(jì)算機(jī)技術(shù)的設(shè)計(jì)和使用進(jìn)行研究，即研究人和計(jì)算機(jī)之間的聯(lián)系。人機(jī)交互通過(guò)輸入和輸出設(shè)備完成機(jī)器與用戶的信息交換。交換過(guò)程完成了在表達(dá)、執(zhí)行、表現(xiàn)和觀察四種狀態(tài)的轉(zhuǎn)換。其中最典型的交互模型—Norman模型[8]，如圖1所示。

圖1 人機(jī)交互模型Fig.1 Human-computer interaction model

1.2 語(yǔ)音合成技術(shù)

語(yǔ)音合成技術(shù)是將文本轉(zhuǎn)換成對(duì)應(yīng)的語(yǔ)音。語(yǔ)音合成是TTS（Text-to-Speech）系統(tǒng)中最基本的模塊，TTS系統(tǒng)的組成結(jié)構(gòu)如圖2所示。

圖2 TTS系統(tǒng)結(jié)構(gòu)圖Fig.2 System structure diagram of TTS

語(yǔ)音合成的它的主要技術(shù)有：共振峰合成[9]，線性預(yù)測(cè)編碼（LPC）[10]，基音同步疊加（PSOLA）[11]，LMA聲道模型[12]等，實(shí)際應(yīng)用中會(huì)由于各自優(yōu)缺點(diǎn)而結(jié)合使用。

文獻(xiàn)[8]采用知識(shí)圖譜技術(shù)對(duì)語(yǔ)音合成的研究文獻(xiàn)進(jìn)行分析，指出：2006-2014年是語(yǔ)音合成的快速發(fā)展時(shí)期，2015年至今，是深入發(fā)展時(shí)期。理論研究的深入和向應(yīng)用領(lǐng)域的拓展，是目前的研究趨勢(shì)。

1.3 語(yǔ)音識(shí)別技術(shù)

語(yǔ)音識(shí)別技術(shù)是將人們的語(yǔ)音轉(zhuǎn)換為計(jì)算機(jī)可讀取的輸入，它融合了計(jì)算機(jī)科學(xué)、語(yǔ)言學(xué)、和電氣工程領(lǐng)域的知識(shí)和研究。

語(yǔ)音信號(hào)是一種非平穩(wěn)的隨機(jī)復(fù)雜信號(hào)，根據(jù)任務(wù)所需建立不同的語(yǔ)音識(shí)別模型。目前具有代表性的語(yǔ)音識(shí)別方法主要有動(dòng)態(tài)時(shí)間規(guī)整技術(shù)（DTW）[13]、隱馬爾可夫模型（HMM）[14-15]、矢量量化（VQ）[16]、支持向量機(jī)（SVM）[17]、人工神經(jīng)網(wǎng)絡(luò)（ANN）等方法。這些語(yǔ)音識(shí)別的方法，在不同場(chǎng)景下依據(jù)各自優(yōu)缺點(diǎn)都得到了廣泛應(yīng)用。

2 語(yǔ)音交互系統(tǒng)硬件方案

目前智能家居語(yǔ)音控制硬件實(shí)現(xiàn)中涉及ZigBee、DSP、單片機(jī)、FPGA和嵌入式等相關(guān)技術(shù)，本論文主要對(duì) ZigBee，DSP、單片機(jī)三種技術(shù)在智能家居中的應(yīng)用案例進(jìn)行分析，并基于單片機(jī)技術(shù)，完成系統(tǒng)設(shè)計(jì)。

2.1 Zigbee技術(shù)

ZigBee技術(shù)作為一種低距離、低功耗、低成本、短時(shí)延、大容量的無(wú)線個(gè)域網(wǎng)技術(shù)，應(yīng)用在智能家居語(yǔ)音交互系統(tǒng)中，ZigBee的系統(tǒng)結(jié)構(gòu)如圖3所示。

圖3 基于ZigBee的語(yǔ)音交互系統(tǒng)硬件結(jié)構(gòu)圖Fig.3 Hardware structure diagram of voice interaction system based on ZigBee

根據(jù)圖 3可以看出，它通過(guò)無(wú)線局域網(wǎng)絡(luò)讓手機(jī)或PC終端子系統(tǒng)與網(wǎng)關(guān)主機(jī)之間進(jìn)行通信，并通過(guò)網(wǎng)關(guān)控制器來(lái)控制所需要控制的設(shè)備并顯示傳感器采集的信息，實(shí)現(xiàn)語(yǔ)音識(shí)別對(duì)家電設(shè)備的遠(yuǎn)程控制。

2.2 DSP技術(shù)

DSP應(yīng)用包括音頻和語(yǔ)音處理、聲納、雷達(dá)和其他傳感器陣列處理、譜密度估計(jì)、統(tǒng)計(jì)信號(hào)處理、數(shù)字圖像處理、電信信號(hào)處理、控制系統(tǒng)、生物醫(yī)學(xué)工程、地震學(xué)等等。應(yīng)用在智能家居語(yǔ)音交互系統(tǒng)中，系統(tǒng)結(jié)構(gòu)如圖4所示。

圖4 基于DSP的語(yǔ)音交互系統(tǒng)硬件結(jié)構(gòu)圖Fig.4 Hardware structure diagram of voice interaction system based on DSP

根據(jù)圖4可以看出，模擬語(yǔ)音信號(hào)通過(guò)A/D轉(zhuǎn)換成數(shù)字信號(hào)，然后發(fā)送給DSP處理單元進(jìn)行數(shù)字信號(hào)處理，完成整個(gè)識(shí)別過(guò)程。在識(shí)別中使用的部分臨時(shí)數(shù)據(jù)和模板庫(kù)數(shù)據(jù)存儲(chǔ)在外部存儲(chǔ)器的SRAM和Flash中，最終的識(shí)別結(jié)果通過(guò)DSP芯片通信機(jī)制傳送到MCU，從而對(duì)應(yīng)于識(shí)別的控制操作。為了實(shí)現(xiàn)DSP芯片與MCU之間的速度匹配和電平匹配，接口電路應(yīng)作為連接。電源模塊實(shí)現(xiàn)了整個(gè)數(shù)字電路的供電。硬件復(fù)位電路確保系統(tǒng)被正確復(fù)位以完成系統(tǒng)資源的初始化。

2.3 單片機(jī)技術(shù)

LD3320可以直接集成語(yǔ)音識(shí)別模塊和外部的電路，如A/D和D/A轉(zhuǎn)換器、麥克風(fēng)接口、語(yǔ)音輸入和輸出接口，從而實(shí)現(xiàn)語(yǔ)音識(shí)別、聲音控制和人與計(jì)算機(jī)對(duì)話等功能。應(yīng)用在智能家居語(yǔ)音交互系統(tǒng)中，一般它的系統(tǒng)結(jié)構(gòu)如圖5所示。

圖5 基于單片機(jī)的語(yǔ)音交互系統(tǒng)硬件結(jié)構(gòu)圖Fig.5 Hardware structure diagram of voice interaction system based on MCU

圖 5中的單片機(jī)語(yǔ)音交互系統(tǒng)的硬件部分包括電源、單片機(jī)、LD3320芯片、繼電器等。通過(guò)LD3320芯片實(shí)現(xiàn)語(yǔ)音識(shí)別。系統(tǒng)的總體控制由主控單片機(jī)實(shí)現(xiàn)，包括 LD3320芯片的初始化。通過(guò)麥克風(fēng)把人們的語(yǔ)音指令發(fā)送到 LD3320語(yǔ)音識(shí)別模塊。經(jīng)LD3320語(yǔ)音識(shí)別模塊識(shí)別處理后，將識(shí)別結(jié)果發(fā)送到主控單片機(jī)。主控單片機(jī)將根據(jù)識(shí)別結(jié)果控制對(duì)應(yīng)的設(shè)備。如果無(wú)法識(shí)別語(yǔ)音命令，LD3320語(yǔ)音模塊將由單片機(jī)重新輸入到新的識(shí)別過(guò)程中。

3 語(yǔ)音交互系統(tǒng)的功能與方案規(guī)劃

3.1 語(yǔ)音交互的功能需求

根據(jù)對(duì)智能家居的語(yǔ)音交互系統(tǒng)需求分析，適用于語(yǔ)音交互系統(tǒng)的語(yǔ)音交互方案需要具有以下特點(diǎn)：

（1）聲音喚醒。語(yǔ)音交互功能應(yīng)該能夠快速、輕松地啟動(dòng)。

（2）全局命令。語(yǔ)音命令應(yīng)該脫離于圖形界面，并且是一個(gè)完善的人機(jī)交互的接口。

（3）完美的語(yǔ)音交互。通過(guò)一個(gè)簡(jiǎn)單的語(yǔ)音提示，信息可以通過(guò)語(yǔ)音在必要的位置和時(shí)間反饋給用戶，而無(wú)需進(jìn)入屏幕。

（4）音頻任務(wù)調(diào)度。語(yǔ)音交互系統(tǒng)應(yīng)協(xié)調(diào)音頻和語(yǔ)音識(shí)別，避免語(yǔ)音識(shí)別過(guò)程中的音頻輸出干擾，并管理音頻任務(wù)之間的切換。

（5）與機(jī)器高度集成。語(yǔ)音交互已經(jīng)成為家庭智能設(shè)備的基本輸入/輸出系統(tǒng)，可以與圖形界面獨(dú)立。

（6）具有良好的識(shí)別接口。應(yīng)用程序可以很容易地實(shí)現(xiàn)語(yǔ)音識(shí)別響應(yīng)。

（7）系統(tǒng)處理的準(zhǔn)確性和及時(shí)性。語(yǔ)音識(shí)別應(yīng)能準(zhǔn)確、及時(shí)地對(duì)語(yǔ)音輸入作出反應(yīng)。

（8）適應(yīng)性和可移植性。語(yǔ)音交互系統(tǒng)應(yīng)該采用模塊化的措施來(lái)保證系統(tǒng)的適應(yīng)性和可移植性。

（9）可伸縮性。設(shè)備新添加語(yǔ)音指令時(shí)，其操作需簡(jiǎn)潔容易。

3.2 聲控家電的方案設(shè)計(jì)

智能家居語(yǔ)音控制家電可為用戶提供便捷的居家服務(wù)，本方案將實(shí)現(xiàn)應(yīng)用對(duì)非特定人的語(yǔ)音指令識(shí)別，具體功能如下：

（1）系統(tǒng)設(shè)計(jì)完成對(duì)家電開關(guān)的開啟或關(guān)閉控制，相互之間不存在干擾；

（2）家電開關(guān)的開啟和關(guān)閉有對(duì)應(yīng)的指示燈提示，通過(guò)繼電器控制指示燈來(lái)模擬對(duì)應(yīng)電器的開啟和關(guān)閉；

（3）系統(tǒng)可以接收到手機(jī)藍(lán)牙發(fā)送的已經(jīng)識(shí)別和處理的語(yǔ)音指令，然后能夠正確的解析指令。

聲控家電系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖 6所示。在移動(dòng)終端的語(yǔ)音控制軟件接收到語(yǔ)音信息后，通過(guò)網(wǎng)絡(luò)將語(yǔ)音信息傳輸?shù)桨俣日Z(yǔ)音平臺(tái)進(jìn)行語(yǔ)音識(shí)別和語(yǔ)音處理，之后將從百度AI語(yǔ)音平臺(tái)[18]反饋回的數(shù)據(jù)進(jìn)行解析以及與本地的語(yǔ)音指令庫(kù)匹配，獲取到正確的指令，最后通過(guò)藍(lán)牙把獲取的指令傳輸給主控單片機(jī)，讓指定設(shè)備執(zhí)行指令。

圖6 系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖Fig.6 Network topology diagram of the system

4 聲控家電系統(tǒng)的設(shè)計(jì)與功能仿真

整個(gè)系統(tǒng)開發(fā)過(guò)程包括兩個(gè)部分，分別是硬件電路設(shè)計(jì)（下位機(jī)）和軟件程序設(shè)計(jì)（上位機(jī)）。

4.1 硬件設(shè)計(jì)

硬件部分（下位機(jī)）的主控芯片采用了STC89C52單片機(jī)，結(jié)合HC-05藍(lán)牙模塊，通過(guò)硬件部分編程和電路設(shè)計(jì)結(jié)合完成語(yǔ)音控制家電開關(guān)系統(tǒng)的設(shè)計(jì)。語(yǔ)音控制系 統(tǒng)硬件部分（下位機(jī)）的整體框架如圖7所示。

圖7 系統(tǒng)硬件框圖Fig.7 System hardware block diagram

此系統(tǒng)主要電路模塊包括：?jiǎn)纹瑱C(jī)控制模塊、繼電器開關(guān)電路、電源模塊、HC-05藍(lán)牙模塊。在整個(gè)下位機(jī)硬件部分，可以看到要實(shí)現(xiàn)語(yǔ)音對(duì)設(shè)備的控制主要依賴的是單片機(jī)控制模塊，它通過(guò)串口與HC-05藍(lán)牙模塊連接，接收來(lái)自上位機(jī)的指令，此模塊電路主要由主控單片機(jī)、復(fù)位電路、晶振電路組成，此部分電路的Protues仿真圖如圖8所示。

圖8 主控模塊仿真電路圖Fig.8 Simulation circuit diagram of main control module

HC-05芯片是一種高性能的藍(lán)牙主從式串行通信模塊，可與手機(jī)、電腦等多種智能終端配套使用，并與5V和3.3V的MCU系統(tǒng)兼容。它易于連接和靈活，并且具有高的成本性能。藍(lán)牙通信電路采用HC-05模塊作為核心，利用外圍電路完成藍(lán)牙通信電路的設(shè)計(jì)。系統(tǒng)電源模塊電路包括穩(wěn)壓電路、電壓調(diào)節(jié)器輸出電路、功率輸出指示電路和電源濾波電路。系統(tǒng)電器的控制電路由繼電器控制。繼電器控制電路采用弱功率控制強(qiáng)功率的原理。主控單片機(jī)通過(guò)控制繼電器的吸合和斷開控制外部設(shè)備的連接。

4.2 軟件設(shè)計(jì)

論文主要針對(duì)上位機(jī)APP軟件部分進(jìn)行程序開發(fā)，將語(yǔ)音識(shí)別及處理模塊引入移動(dòng)終端語(yǔ)音控制軟件開發(fā)中，不需要在本地建立大型語(yǔ)音庫(kù)，拓展性強(qiáng)。這種設(shè)計(jì)在簡(jiǎn)化軟件開發(fā)過(guò)程的同時(shí)，又?jǐn)U大了系統(tǒng)使用人群。基于上面提及的功能特性，本次方案選用了百度AI開放平臺(tái)中的語(yǔ)音識(shí)別技術(shù)，它在智能家居中的語(yǔ)音識(shí)別以及語(yǔ)義理解方面都能很好的實(shí)現(xiàn)語(yǔ)音對(duì)設(shè)備的控制。百度AI平臺(tái)參數(shù)說(shuō)明如表1，百度AI平臺(tái)在兼容性方面的要求如表2。

表1 百度AI平臺(tái)參數(shù)說(shuō)明Tab.1 Parameter description of Baidu AI platform

表2 百度AI平臺(tái)兼容性要求Tab.2 Compatibility requirements of Baidu AI platform

本論文基于智能家居的語(yǔ)音交互模塊開發(fā)了一個(gè)識(shí)別指令的應(yīng)用，實(shí)現(xiàn)其在 Android手機(jī)中的運(yùn)行，此應(yīng)用使用的集成開發(fā)環(huán)境是eclipse，調(diào)用了百度語(yǔ)音識(shí)別 技術(shù)的接口，軟件部分的程序設(shè)計(jì)流程圖見圖9。

圖9 程序設(shè)計(jì)流程圖Fig.9 Program design flow chart

首先要進(jìn)行類注冊(cè)等程序初始化，然后對(duì)于輸入語(yǔ)音，基于百度AI語(yǔ)音平臺(tái)中的語(yǔ)音識(shí)別技術(shù)，進(jìn)行語(yǔ)音庫(kù)匹配和語(yǔ)義理解，聲控命令的識(shí)別結(jié)果通過(guò)藍(lán)牙通信模塊，傳遞給單片機(jī)，用以控制家居按照命令進(jìn)行正確操作。如果輸入語(yǔ)音不是預(yù)置命令，匹配錯(cuò)誤，則返回輸入端，重新進(jìn)行語(yǔ)音輸入，移動(dòng)端APP開發(fā)的部分代碼如下：

注冊(cè)自己的輸出事件類

// 引擎就緒，可以說(shuō)話，一般在收到此事件后通過(guò)UI通知用戶可以說(shuō)話了

}

手機(jī)APP的指令識(shí)別結(jié)果的部分功能展示如圖10所示，可以實(shí)現(xiàn)燈、電視、空調(diào)等常用家用電器的遠(yuǎn)程聲控開關(guān)控制。此過(guò)程操作簡(jiǎn)單，主要打開APP，直接說(shuō)出命令即可。

圖10 移動(dòng)端APP識(shí)別效果圖Fig.10 Mobile terminal APP recognition effect diagram

4.3 部分功能仿真

基于Protues環(huán)境，對(duì)以上設(shè)計(jì)的語(yǔ)音交互聲控家電系統(tǒng)的主要功能進(jìn)行了仿真，由于藍(lán)牙模塊無(wú)法在Protues中進(jìn)行仿真，因此這里以開關(guān)控制代替，設(shè)計(jì)了一個(gè)繼電器控制燈泡的仿真。當(dāng)打開手機(jī)APP，點(diǎn)擊“Hold and Speak”，說(shuō)出“開燈”指令后，則燈泡亮起，同時(shí)繼電器打開狀態(tài)提示燈亮起，仿真結(jié)果如圖11所示；當(dāng)發(fā)出“關(guān)燈”指令時(shí)，則開關(guān)關(guān)閉，燈泡熄滅，關(guān)閉狀態(tài)提示燈亮起，仿真結(jié)果如圖12所示。

圖11 開燈狀態(tài)功能仿真Fig.11 Functional simulation of Light-on state

圖12 關(guān)燈狀態(tài)功能仿真Fig.12 Functional simulation of Light-off state

5 結(jié)論

本論文主要研究了以會(huì)話智能體為核心的智能家居生態(tài)系統(tǒng)中的相關(guān)技術(shù)原理和軟硬件實(shí)現(xiàn)方案，闡述了語(yǔ)音交互中的語(yǔ)音識(shí)別和語(yǔ)音合成等相關(guān)技術(shù)，總結(jié)了基于DSP、Zigbee和單片機(jī)的幾種語(yǔ)音交互硬件實(shí)現(xiàn)方案。以聲控家電系統(tǒng)為具體的應(yīng)用場(chǎng)景，以老年人為應(yīng)用對(duì)象，側(cè)重于操作的簡(jiǎn)便性，借助于百度AI開放語(yǔ)音識(shí)別平臺(tái)，結(jié)合移動(dòng)端APP軟件開發(fā)，基于單片機(jī)和藍(lán)牙通信技術(shù)，完成了該語(yǔ)音交互系統(tǒng)的功能需求分析、總體方案規(guī)劃和軟硬件系統(tǒng)設(shè)計(jì)。最后，基于Protues仿真環(huán)境，完成了聲控?zé)襞蓍_關(guān)的電路設(shè)計(jì)和部分功能仿真。而其他家用電器的開關(guān)，均可采用相同的控制流程，完成設(shè)計(jì)。本論文所提出的設(shè)計(jì)方案具有可移植性和可擴(kuò)展性，從而為語(yǔ)音交互的應(yīng)用以及后期進(jìn)一步的研究提供一定的參考。

可以預(yù)見，在不久的將來(lái)，隨著語(yǔ)音技術(shù)的不斷進(jìn)步，研究的不斷深入，語(yǔ)音系統(tǒng)將走近大眾，走近生活的方方面面，各種各樣的智能語(yǔ)音交互產(chǎn)品將出現(xiàn)在市場(chǎng)上，人們也將可以隨心所欲的進(jìn)行語(yǔ)言表達(dá)并且機(jī)器能聽懂作出反饋。