基于LD332O語音識別專用芯片實現的語音控制

摘要：語音控制機器已經成為人機界面設計的一種重要手段。LD3320作為一款語音識別專用芯片，集成了語音識別處理器和一些外部電路，實現了有限詞匯的非特定人語音識別。文章介紹了LD3320芯片的基本功能、電路設計以及控制軟件的編寫。
關鍵詞：語音識別；集成電路；LD3320

0 引言
語音不僅是人與人之間進行信息交流最直接、最方便和最有效的工具，也是人與機器之間進行通信的重要工具。過去的二三十年中，圖形用戶界面(Graphical User Interface，GUI)作為人與機器的通信接口取得了很大的進展，但使用GUI仍然擺脫不了手的操作，某些場合仍有不便。因此，語音用戶界面(Voice User Interface，VUI)成為人們的下一個目標，人們希望通過聲音可以對機器發出指令。
語音識別有著非常廣泛的應用領域，例如智能家電、智能家居、智能導航、智能玩具等等，這些領域下，語音識別提高了設備的易用性。另外，在某些場合，操作者需要用手控制其它設備，比如駕駛員駕駛過程中，或者非常強調響應時間，比如軍事訓練種情況的緊急處置，這些場合不允許操作者進行復雜的操作，語音控制就成為一項必要的選擇。
語音識別屬于數字信號處理的研究領域，其算法初期是依靠計算機、數字信號處理器等來實現的，但隨著微電子學和集成電路技術的新進展，近年來不斷有語音識別集成電路投放市場。其中，ICRoute的LD3320就是一款性價比較高的芯片。

1 LD3320芯片介紹
LD3320是一顆基于非特定人語音識別(SI-ASR，Speaker Independent Automatic Speech Recognition)技術的語音識別／聲控芯片。該芯片集成了語音識別處理器和一些外部電路，包括ADC、DAC、麥克風接口、聲音輸出接口等。該芯片不需要外接任何的輔助芯片如Flash、RAM等，直接集成在現有的產品中，即可以實現語音識別／聲控／人機對話功能。
LD3320完成非特定人語音識別，每次識別最多可以設置50項候選識別句，每個識別句可以是單字、詞組或短句，長度為不超過10個漢字或者79個字節的拼音串。另一方面，識別句內容可以動態編輯修改，因此可由一個系統支持多種場景。

芯片采用48腳QFN塑料封裝，工作供電為3．3V。芯片內部電路的簡要邏輯圖如圖1所示。其核心是語音以別運算器，配合輸入、輸出、AD／DA轉換等模塊，完成語音識別的功能。LD3320還支持并行和串行接口，串行方式可以簡化與其他模塊的連接。

2 LD3320的應用電路設計
LD3320的基本應用電路由一個微控制器(MCU)和LD3320組成。電路中的主控MCU芯片，是為了完成對LD3320芯片寄存器的操作。
對LD3320芯片的各種操作，都必須通過寄存器的操作來完成。比如設置標志位：讀取狀態；向FIFO寫入數據；識別完成后獲得識別結果等。例如在編輯關鍵詞語時，主控MCU通過把關鍵詞語的拼音串設置進LD3320相關寄存器來完成編輯。
其寄存器大體可以分為以下幾類，FIFO數據緩存器、語音識別控制寄存器、音量調節、模擬電路和其它的輔助寄存器。寄存器讀寫操作有2種方式，即標準并行方式和串行SPI方式。LD3320寄存器的地址空間為8位，編號從00H到FFH，可參考文獻。
本文選用的主控MCU是51內核的單片機STC10L08XE。演示的軟件程序全部燒錄在MCU的內置Flash中。主控MCU直接控制LD33203完成所有和語音識別相關的工作。
電源設計可以使用NS公司的LM1117-3．3芯片，為LD3320提供3．3V的電壓：音頻輸入和輸出，可以使用柱極體MIC和0．5W的小喇叭；語音識別完成后，為了實現對后續電路的驅動，可以利用MCU的串行口與其它模塊進行連接。