- 易迪拓培训,专注于微波、射频、天线设计工程师的培养
电视机智能声控选合系统设计与实现
摘要:介绍了一种基于专用语音识别芯片TSG410的彩电智能声控选台系统,可以在不对彩电做任何改动的基础上,实现语音遥控电视机。
关键词:语音识别 彩电遥控 智能声控选台
随着电视频道数目的日益增多,传统的电视遥控方法弊端越来越明显。它需要观念记忆大量电视台对音识别芯片TSG410设计了一个彩电智能声控选台系统,可以较好地解决记忆频道这个难题。尤其对列疾朋友来讲,更具有特殊的意义。
该系统不对彩电做任何改动。在保留原有遥控功能的基础上,实现语音控制选台,主要功能有:
·开关电视:电视接通电源处于待命状态,操作者发出“开机”命令,则打开电视机;操作者发出“关机”命令,则关掉电视机;
·选台功能:操作者想看XX电视台的节目,只要发出“XX台”的命令,电视机自动跳转到该台。
·识别主人功能:日防止识操作,该系统只能事先录入命令样本的操作者语音敏感,其他人发出的命令包括电视伴音均无效。
·其它功能:具有电视音量、画面亮度调节等适合语音控制的功能。
1 系统设计方案
我们最初考虑了两种设计方案(见图1和图2),它们各有优缺点。第一种电路不足之处是:电路稍复杂一点,而且要对电视机的选台控制电路做必要的改动(当然这对电视机生产厂家是不成问题的);其优点是:只需一个无线话筒便可声控选台,且不必对准电视机,甚至在另一个房间也可实现遥控。第二种电路的优点是:不必对电视机的选台控制电路做任何的改动;缺点是:所有电路只能靠电池供电,芯片选择要考虑耗电和工作电压问题。由于采用红外遥控发射来控制电视,该系统须对准电视机才能正常工作。综合考虑各方面因素,我们认日第二种设计方案切实可行。
2 各个功能模块简介
2.1 语音命令提取单元
语音命令提供该单元(如图2)在电视话音和其它噪音背景下,完成提取出操作者语音命令功能,其示意图如图3所示。
MIC选用驻极体送话器,它具有结构简单、重量轻、体积小、频率响应宽、保真度好等优点,但灵敏度较低,必须再加放大器才行。由于输出阻抗可高达10 8Ω数量级,所在必须进行阻抗变换后才能与放大器配合使用。放大器采用差分放大电路,一个驻极体送话器面对送话者,其输出接送放大器正向输入端;另一个驻极体送话器背对送话者,其输出接放大器负向输入端。由于两个送话器相对于电视机和其它噪声源的位置基本一样远,可以近似认日通过二者输入的干扰是一样的。但考虑到送话器具有方向性,前者送入的操作者语音命令远远大于后者,适当选择各电阻值可以抵消掉各种干扰。放大器采用运放(OPAmps)MAX495(单电源供电+2.7~+6V)。
2.2 语音识别单元
语音识别单元主要由TSG410和非易失性SRAM组成,大体构成如下图4所示。
语音识别功能由专用语音芯片TSG410完成,TSG410是一种新颖功能齐全的语音识别集成电路。它采用CMOS大规模集成电路制作工艺制造,内含除SRAM以外语音识别所需的全部电路,如CPU、A/D转换器、ROM、语音放大器、压缩器、滤波器、振荡器及接口电路等。TSG410具有双列直插和贴片两种封装方式,可工作在CPU控制和人工控制两种模式下。语音识别的响应时间典型值日300ms,最长不超过600ms。
识别容量大,最多可识别40个字段,且分段方式灵活。为了CPU管理方便,将40个字段分成四组,编号为1~4,每组10个段。这样,第一个字段编号为10,第二个为11,第三个为12…依次类推,第40个字段编号为49。在操作显示时,十位数显示组号,个位数显示序号。因此,建立语音样本时,应注意显示数字和电视机选择频率之间的换算关系,以免语音命令和控制结果对应不起来。各段功能分配如表1所示。
表1
字段号 | 功能分配 | 40字段 | 打开电视 | 41字段 | 关掉电视 |
10~19 | 对应电视机0~9频道 | 42字段 | 上一个台 | 43字段 | 下一个台 |
20~29 | 对应电视机10~19频道 | 44字段 | 声音调高 | 45字段 | 声音降低 |
30~39 | 对应电视机20~29频道 | 46字段 | 亮度调高 | 47字段 | 亮度调低 |
40~49 | 留作特殊功能键 | 48字段 | 关掉声音 | 49字段 | 打开声音 |
TSG410的每个字段时间长度可以在0.9s和1.92s之间选择。按正常人的讲话速度,每秒吐字2~4个,如选择0.9s,则每个命令字段以1~3个字为宜,选择1.92s则最大容量为8个汉字,但可识别的字段数减少为20个。我们选择胶一种分段方式,语音命令以3个字以下为宜。因此,电视选台命令采用“地方”命名原则,如:山东、上海等,中央台可直接叫“一台”、“二台”,依次类推。语音命令差别越大越不容易出现错误识别。系统要正常工作,必须首先建立语音样本,为防止语音样本因为掉电丢失,SRAM选用内带掉电保护电池的非易失性SRAM,即NVSRAM(non-volatile SRAM),如HK1125,掉电后其数据可保存10年以上,用法同普通RAM。
一般情况下,留有30个预选频道是足够用的。实际上,既可以采用多片TSG410进行频道数和允许操作者人数扩展方式满足各种需要,也可以采用让TSG410工作在CPU控制方式的办法。此时识别容量不受40字段限制,但需增加单片机(如8031)作控制用。
2.3 控制面板
为了能输入字段号,以便建立语音样本,RSG410配置了外接键盘扫描电路。行、列信号的输入、输出口由芯片的S1~S3、K1~K3担当。这样一个三列、四行的键盘共有12个按键,其中十个定义为:0~9数字键,一个定义为:语音样本建立键(TRN),一个定义为:语音样本清除键(CLR)。由于控制面板只在建立语音样本时使用,为防止误操作,应将12个按键用塑料外亮封起来。
2.4 操作指示电路
采用两片数码管和译码驱动电路CC4558组成操作指示电路。在本系统中,操作指示电路作用是:建立语音命令样本时,用于显示存入的字段号;语音命令识别时用于显示识别结果及芯片识别结果的处理报告。
2.5 逻辑控制电路
整个逻辑控制电路如图5所示。TSG410通过D0~D7输出识别结果,必须进行必要的译碱码后,才能用来控制后面的红外发射装置。在电视机的遥控系统中,遥控发射器通过按键,以红外线方式发出各种不同的脉冲编码信息。尤其需要注意其发射编码必须与原来一致,以便兼容。采用电子开关电路模拟手工按键时,必须考虑开关接通时间和两个按键之间的时间间隔问题,以防止信号丢失和“串键”、“并键”现象的发生。通常情况下,全部键位扫描一次的时间小于10~20ms,而入手触及按键的时间最短也在100ms以上,因此在任一按键被按下后,会有多次扫描信号通过,不存在信号丢失问题。所谓“串键”是指在一个键按下之后,又接着按下另一键;而“并键”则是同时按下两键。这两种错误操作发生的根本原因是:每个按键的遥控指令编码需要一定时间才能发射完毕(一般在100ms左右),所以应设法消除。这是我们设计逻辑控制电路时的一个难点,采用脉冲展宽(>40ms)和脉冲延迟电路(>120ms)解决。
2.6 遥控发射电路
红外遥控发射器主要由三大部分组成:一是键盘矩阵,二是发射专用集成电路,三是放大驱动和红外线发射部分。该电路与电视机的特定型号有关,可以根据电视机品牌选用适当的专用红外发射电路。
需要说明的是:由于不同品牌电视机的红外发射、接收电路各不相同,因此它只对兼容电视有效。
上一篇:H.264视频解码芯片中视频控制器的设计
下一篇:数字相机用电源产生电路