基于STM32F1的孤立词语语音识别

最新推荐文章于 2025-06-12 17:52:18 发布

原创

最新推荐文章于 2025-06-12 17:52:18 发布 · 2.7k 阅读

31 ·

CC 4.0 BY-SA版权

文章标签：

#语音识别 #嵌入式

本文介绍了一个基于STM32F1的孤立词语语音识别系统，通过电容式咪头采集音频，采用A/D采样、预加重、加窗、端点检测、MFCC特征提取和DTW特征匹配技术。硬件部分包括音频采集电路设计，软件部分详细阐述了各个处理步骤，实现了低成本、高识别率的语音识别方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘要：语音识别作为人工智能下很火爆的一门学科，是当下研究的一个重要领域。大多数的语音识别是基于市面上已有的语音识别模块，成本较高，本系统是孤立词语语音识别，考虑到成本以及可实现性，笔者选择了STM32F1系列MCU的最小系统，通过TFT彩屏实现人机交互，搭建音频采集模块，从而完成语音识别系统的硬件部分。软件设计采用A/D采样、预加重、加窗、端点检测、MFCC特征提取、特征匹配几个步骤，技术相对成熟，识别率较高。

主题词：孤立词语、音频采集模块、端点检测、MFCC特征提取、特征匹配

一、引言：语音识别的发展最早开始于上世纪50年代的贝尔实验室，Davis等科学家研究出可以识别出10个英文数字的实验装置。60年代的一系列数字信号处理方法推动了语音识别的发展，如FFT。同时，伴随着计算机技术的发展，语音识别逐渐从硬件工作转移到软件工作，这时的语音识别发展很快，但人们很快就意识到语音识别的困难加深。此后，70年代日本学着提出的动态时间规整技术（DTW）解决不等长语音的对整匹配问题，以及80年代提出的隐马尔可夫模型法（HMM），都是现阶段语音识别的重要算法。

二、正文：

音频采集电路：首先是对于语音信号的采集，本系统使用电容式咪头采集音频，但MIC的输出电压只有几毫伏到十几毫伏，所以需要加放大电路，可采用三极管或者运放放大。本系统采用三极管阻容耦合二级放大电路，需要注意的是咪头需要一个工作电压，所以直接将VCC接到咪头的正极，然后第一级的耦合电容设置为10uf，这个对三极管基极充电时间有影响，它和集电极的电阻一同构成了RC充电电路，且10uf的电容会把音频信号耦合到基极上，咪头采集到的信号控制在3.3V以内。单片机是无法识别模拟电信号的，所以需要用到A/D采样；人说话的语音信号大多数有效信号集中在100HZ-3400HZ，所以根据香农采样定理，只要A/D采样频率大于等于6800HZ