一種室內(nèi)導(dǎo)盲機器人的RFID-語音交互系統(tǒng)設(shè)計

(江蘇科技大學(xué)機械工程學(xué)院，江蘇 鎮(zhèn)江 212003)

0 引言

導(dǎo)盲機器人屬輪式自主移動機器人[1]的一種，其設(shè)計目的是應(yīng)用語音交互的方式來彌補盲人視覺信息的缺失。至今為止，世界上許多智能導(dǎo)盲設(shè)備如OAS、Laser-Cane和PAMM等，在人機語音交互方面都存在一定的研究空白[2-3]。據(jù)此，本文分別采用RFID無線射頻識別技術(shù)[4-5]和SI-ASR非特定人聲識別技術(shù)[6]，通過定義室內(nèi)RFID標(biāo)簽來觸發(fā)導(dǎo)盲機器人的語音交互系統(tǒng)，以完成環(huán)境語音播報和用戶人聲識別。大多數(shù)RFID和語音相結(jié)合的機電儀器，如帶有語音的低功耗手持讀卡儀[7]只具備單純的報音功能。本文設(shè)計的系統(tǒng)除具有報音功能外，還設(shè)計有人聲指令的識別功能，通過定義125 kHz低頻 RFID[5]觸發(fā)標(biāo)簽的布置結(jié)構(gòu)和應(yīng)用LD3320的SI-ASR搜索引擎和特征庫，完成非人聲指令、播報地點和物品信息的語音交互功能。

1 RFID-語音系統(tǒng)硬件設(shè)計

1.1 系統(tǒng)硬件總體方案

室內(nèi)導(dǎo)盲機器人的RFID-語音交互部分的硬件系統(tǒng)結(jié)構(gòu)框圖如圖1所示。該系統(tǒng)采用主從機的分布式組成結(jié)構(gòu)，各從機采用UART串行通信的方式,通過MAX485芯片將TXD和RXD中的TTL電平信號轉(zhuǎn)換為RS- 485信號，從而實現(xiàn)主控上位機和各從機間的雙向信號傳遞。

圖1 系統(tǒng)硬件框圖

LD3320語音識別芯片受控于STC10L08XE，并采用模擬SPI的方式進(jìn)行雙向通信。耳機和麥克風(fēng)接口同時集成在LD3320外圍電路中。125 kHz低頻RFID閱讀線圈共有四組，可分別與各自讀取范圍內(nèi)的RFID標(biāo)簽進(jìn)行非接觸式通信。信號解調(diào)電路可解析標(biāo)簽對應(yīng)的ID號碼，并傳送至從機2(STC89C52RC)中與已存儲的物品信息列表代碼進(jìn)行比較和選取，最后得到該ID所對應(yīng)的語音觸發(fā)信息。上位機負(fù)責(zé)采集從機2中的核對結(jié)果并進(jìn)行優(yōu)先級調(diào)配，最終與從機1完成交互工作。

1.2 LD3320應(yīng)用電路方案

導(dǎo)盲機器人采用了基于非特定人語音識別技術(shù)SI-ASR的語音識別芯片LD3320[6-8]。該芯片可識別中文發(fā)音，不需用戶訓(xùn)練和錄音，通過芯片內(nèi)部固化的非特定人語音識別搜索引擎和特征庫即可識別出最佳語音匹配的拼音串。LD3320同時集成了ADC、DAC、話筒和麥克接口等外圍電路[9]，可輔助導(dǎo)盲機器人實現(xiàn)語音識別、聲控和人機對話功能。

LD3320語音識別芯片接線原理圖如圖2所示。LD3320的芯片接口結(jié)構(gòu)較為復(fù)雜，LD3320與STC10L08XE采用同一個22.1184 MHz的外部晶振，SPOP和SPON為揚聲器音頻輸出接口，MICP和MICN為外部麥克風(fēng)連接口，MBS為麥克風(fēng)偏置端，外部連接有RC電路，以保證可以提供一個浮動電壓至麥克風(fēng)[10]。LD3320與STC10L08XE通過SPI總線引腳SDI、SDO、SDCK和CSB/SCS進(jìn)行雙向通信。LD3320可讀取外置Flash內(nèi)的MP3文件進(jìn)行組合和播放，當(dāng)MP3數(shù)據(jù)或識別結(jié)果不充分時，LD3320通過INTB端觸發(fā)中斷信號通知STC10L08XE進(jìn)行處理。在數(shù)據(jù)出現(xiàn)極端冗余的情況下，STC10L08XE可直接將RSTB端置低，通知LD3320進(jìn)行語音識別和輸出功能的復(fù)位。

圖2 LD3320語音識別芯片接線原理圖

2 語音觸發(fā)標(biāo)簽布局設(shè)計

低頻RFID標(biāo)簽具有無源、信號穿透力強、價格低和通信距離近等使用特性[4],可以在室內(nèi)環(huán)境中實現(xiàn)批量布置。由于125 kHz低頻RFID的通信距離通常在3～10 cm之間，且低頻閱讀器和標(biāo)簽采用一對一的通信模式，當(dāng)1個讀寫器處于2個標(biāo)簽的讀寫范圍內(nèi)時會引發(fā)讀取紊亂的狀況，因此低頻標(biāo)簽必須以一定布局成組定義，才可確保機器人正確讀取。

低頻RFID閱讀器和標(biāo)簽布局圖如圖3所示，左圖為導(dǎo)盲機器人俯視圖，閱讀器分布在機器人的車體底盤上；右圖為閱讀器和標(biāo)簽重合的幾種形式，標(biāo)簽成組設(shè)置在環(huán)境關(guān)鍵點處，并以邊數(shù)最少的正多邊形和等邊三角形作為陣列的基本單位。

設(shè)標(biāo)簽的通信區(qū)域直徑為D，相鄰標(biāo)簽間距為s；閱讀器線圈直徑為d，閱讀器線圈共4組(A0～A3)，其中，A0位于底盤中心，A1～A3分布在邊長為L的等邊三角形端點處。

圖3 低頻RFID閱讀器和標(biāo)簽布局圖

當(dāng)機器人位于關(guān)鍵點處時，RFID標(biāo)簽正確觸發(fā)其語音系統(tǒng)的兩個充分條件為：

① 當(dāng)A0不處于低頻標(biāo)簽的信號覆蓋范圍內(nèi)時，A1～A3則必須同時處于3個不同的低頻標(biāo)簽的信號覆蓋范圍內(nèi)；

② 當(dāng)A1～A3中至少有一個不處于低頻標(biāo)簽的信號覆蓋范圍內(nèi)時，A0則必須處于唯一低頻標(biāo)簽的信號覆蓋范圍內(nèi)。

A1～A3之間任意兩點的直線約束數(shù)學(xué)關(guān)系為：

A0～A3組成的等邊三角形與標(biāo)簽間的約束數(shù)學(xué)關(guān)系為：

當(dāng)機器人的4組RFID閱讀器和標(biāo)簽組的布局設(shè)置滿足以上數(shù)學(xué)關(guān)系式時，即可確保機器人進(jìn)入關(guān)鍵點區(qū)域時正確啟動語音交互系統(tǒng)。

3 機器人語音交互系統(tǒng)設(shè)計

3.1 SI-ASR原理和程序流程

非特定語音識別和輸出原理框圖如圖4所示。

圖4 語音識別及輸出原理框圖

當(dāng)LD3320識別外部語音信號后，以拼音串的形式傳入STC10L08XE中，由內(nèi)部程序再進(jìn)行拼音串和關(guān)鍵詞的匹配，確定匹配后根據(jù)關(guān)鍵詞屬性確定是進(jìn)行語音輸出還是上傳動作信號。

STC10L08XE內(nèi)部程序流程如下。

① 語音識別和通用初始化。對各寄存器進(jìn)行初始化設(shè)置，單片機通過RSTB發(fā)送低電平以復(fù)位LD3320內(nèi)各數(shù)據(jù)處理模塊，并重新設(shè)定模式、始終頻率和FIFO[8-10]。

② 將各關(guān)鍵詞寫入識別列表。關(guān)鍵詞包括機器人的運動控制詞語、目的地和目的物品詞語以及簡單的詢問詞語，每個關(guān)鍵詞都有其所屬編號，不同關(guān)鍵詞可享有同一編號，即使用者所發(fā)出的相近語音指令都可以歸屬于導(dǎo)盲機器人同一個執(zhí)行結(jié)果。關(guān)鍵詞采用以空格相間的拼音串形式設(shè)定，在導(dǎo)盲機器人啟動前已寫入STC10L08XE的EEPROM中。

③ 準(zhǔn)備識別外部語音。向寄存器寫入麥克風(fēng)音量ADC增益，設(shè)置寄存器清空和芯片狀態(tài)，開啟ADC和中斷并準(zhǔn)備識別外部語音。

④ 響應(yīng)中斷并識別。當(dāng)麥克風(fēng)采集到增益范圍所能接收的音頻信號時，LD3320通知STC10L08XE產(chǎn)生中斷并識別。在LD3320進(jìn)行識別后，往BA寄存器中寫入所有可能匹配結(jié)果，往C5寄存器中寫入最佳分析結(jié)果。在讀取寄存器結(jié)果時，若C5中沒有出現(xiàn)所屬類的結(jié)果，而BA寄存器中存在該結(jié)果，則單片機自動將程序跳轉(zhuǎn)至語音輸出動作。申請使用者重復(fù)語音指令并重復(fù)識別，若重復(fù)識別次數(shù)達(dá)到3次仍不匹配，則跳出識別。

⑤ 關(guān)鍵詞匹配和動作輸出。若外部語音識別結(jié)果與關(guān)鍵詞匹配成功，則單片機STC10L08XE關(guān)閉識別中斷，以防止多余語音信息構(gòu)成中斷干擾，并準(zhǔn)備執(zhí)行機器人的具體執(zhí)行動作。導(dǎo)盲機器人的語音執(zhí)行動作按形式分為兩類。一類是語音輸出形式，機器人應(yīng)要求為使用者提供語音播報，如當(dāng)前運行狀況、大致位置信息以及所經(jīng)過的可識別物品等。導(dǎo)盲機器人的MP3語音輸出信息存放在與STC10L08XE相連的外置Flash寄存器中。為節(jié)省空間并構(gòu)成更多的輸出信息，這里將MP3語音輸出信息分段存儲，播放時按要求尋找所需語段，這些語段的存放首地址和末地址按順序組合，通過揚聲器一同輸出。這種方法使得語音系統(tǒng)的輸出內(nèi)容變得更加智能、靈活和多變。另一類是機器人運動的輸出形式，包括機器人的前進(jìn)、后退、左轉(zhuǎn)和右轉(zhuǎn)等運動信息。當(dāng)這類信息進(jìn)行匹配后，單片機將運動控制字上傳至485總線，與其他模塊信息的優(yōu)先級分配后，最終轉(zhuǎn)化為機器人電機的具體動作。

3.2 語音交互對話單元管理

導(dǎo)盲機器人的語音識別狀態(tài)判定程序位于導(dǎo)盲機器人從機1的主程序中，每個掃描周期都會判斷當(dāng)前的識別狀態(tài)，當(dāng)有外部語音的中斷且識別出結(jié)果時，程序執(zhí)行LD_ASR_FOUNDOK。在Output (nAsrRes)子程序中，單片機主要負(fù)責(zé)對識別結(jié)果的匹配和具體輸出動作。為便于對應(yīng)識別結(jié)果和行為的管理，本文定義了使用者和導(dǎo)盲機器人對話管理單元的二維數(shù)組。由于LD3320最多可設(shè)置50項候選識別關(guān)鍵詞，每項拼音段長度不能超過79 B[10]，因此結(jié)合該芯片特性和導(dǎo)盲機器人功能要求設(shè)計的對話管理數(shù)組如表1所示。

表1 語音單元管理數(shù)組設(shè)計

表1中，識別數(shù)組和動作數(shù)組分別存在3種分類屬性，在識別和匹配時可以方便程序更加快速地比對和尋找。動作數(shù)組和識別數(shù)組的同項目之間為一一對應(yīng)的關(guān)系。為豐富機器人的語音輸出信息，本文設(shè)計的動作數(shù)組中一個關(guān)鍵詞最多可對應(yīng)10個動作組合，運動動作和語音動作可列為同一動作數(shù)組中，以便機器人完成更復(fù)雜的任務(wù)。

4 試驗測試和結(jié)果分析

本文根據(jù)研究內(nèi)容自主設(shè)計了基于RFID的語音導(dǎo)盲機器人試驗樣機，并分別進(jìn)行了10組功能試驗測試。每組試驗中，機器人進(jìn)入低頻信標(biāo)組的角度均不同，其中機器人車體直徑為50 cm，行走速度設(shè)定為0.5 m/s，在機器人進(jìn)入信標(biāo)區(qū)域的前方設(shè)定有超聲波探測頭。當(dāng)超聲波探測頭探測到機器人經(jīng)過時，開始計時直至識別RFID并觸發(fā)語音交互系統(tǒng)。試驗測得每組角度均能正常觸發(fā)機器人的語音交互系統(tǒng)。由于需滿足一定的條件，系統(tǒng)才可正確啟動，因此每組試驗的延時時間存在差異。試驗中最長延時時間為1 142 ms，最短延時時間為272 ms，平均延時時間約為516 ms，基本符合機器人的功能制定要求。

在RFID觸發(fā)LD3320工作后，對不同語速和不同語音內(nèi)容的識別率進(jìn)行測試，其中每組試驗中共有1項供識別測試的語音內(nèi)容、2種不同的語速，其測試統(tǒng)計結(jié)果如表2所示。

表2 語音試驗識別結(jié)果統(tǒng)計

5 結(jié)束語

本文設(shè)計了一種RFID和非特定人聲語音識別技術(shù)相結(jié)合的導(dǎo)盲機器人的語音交互系統(tǒng)。以特定布局的低頻RFID標(biāo)簽組作為語音交互系統(tǒng)觸發(fā)信標(biāo)，觸發(fā)機器人啟動語音識別和輸出系統(tǒng)，并著重設(shè)計了LD3320芯片的語音識別和輸出程序流程，以及導(dǎo)盲機器人的對話管理數(shù)組及分類，最后通過研發(fā)導(dǎo)盲機器人樣機試驗驗證了語音交互系統(tǒng)的可執(zhí)行性。同時總結(jié)了關(guān)于提高系統(tǒng)識別率的一些方法。本語音交互系統(tǒng)使用方便，可擴展性強，可擴展至更多的有需求的智能化控制平臺中使用。

[1] Roland S,Illah R N.自主移動機器人導(dǎo)論[M].李人厚,譯.西安:西安交通大學(xué)出版社,2006:5-23.

[2] Yuan D,Santa C,Manduchi R.Dynamic environment exploration using a virtual white cane[J].Computer Vision and Pattern Recognition,2005(1):243-249.

[3] Spenko M,Yu H,Dubowsky S.Robotic personal aids for mobility and monitoring for the elderly[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering,2006,14(3):344-350.

[4] Want R.An introduction to RFID technology[J].IEEE Pervasive Computing,2006,5(1):25-33.

[5] 游戰(zhàn)清,劉克勝,吳翔,等.無線射頻(RFID)與條碼技術(shù)[M].北京:機械工業(yè)出版社，2007:3-15.

[6] 陳斌,郭大勇,施克仁.用于擬任機器人的嵌入式語音交互系統(tǒng)研究[J].機器人,2003,25(5):452-455.

[7] 賴于樹,李迅波,熊燕.一種低功耗多功能手持射頻讀卡儀設(shè)計[J].自動化儀表,2006,27(12):13-15.

[8] 陳喜春.基于LD3320語音識別專用芯片實現(xiàn)的語音控制[J].電子技術(shù),2011,38(11):20-21.

[9] ICRoute INC.LD332X開發(fā)手冊[DB/OL].[2011-10-13].http://www.icroute.com/web_cn/LD332X_Dev.html.

[10]ICRoute INC.LD3320芯片簡明調(diào)試步驟[DB/OL].[2011-10-13].http://www.icroute.com/web_cn/LD332X_Debug-Process.html.