1、dianzi yuanqijian yu xinxijishu 电 子 元 器 件 与 信 息 技 术116|基于FPGA的智能垃圾分类识别系统设计陈欢1，纪丽萍2，秦怀宇21.无锡科技职业学院，江苏无锡214000；2.江苏科技大学，江苏镇江212000摘要：针对垃圾识别难度大的问题，本文设计并实现一种基于现场可编程门阵列的语音识别智能垃圾分类装置。采用CycloneIIEP2C5T144作为控制芯片，利用片内资源搭建逻辑电路，处理LD3320语音识别芯片采集的语音信号。系统调用IP核构建软核处理器，对语音信号数据进行识别，最终的识别结果体现在三个方面：LCD屏上垃圾名称、垃圾类型的拼音或中
2、文显示；垃圾类型对应的LED灯提示；实时语音广播投放的垃圾类型。同时，装置还实现当垃圾处于异常模式时，进行自动提示。关键词：FPGA；语音识别算法；智能分类中图分类号:TN86文献标志码:ADOI:10.19772/ki.2096-4455.2022.12.025 0引言分类垃圾桶是最为常见的垃圾分类装置。普遍结构单一化，采用敞开式或手动密封式，卫生条件较差。而且，大多数人尤其是老年人对“垃圾分类”知之甚少，使得人们难以长期坚持垃圾分类的实施。因此，设计出一款基于语音识别的智能垃圾分类装置是必要的，该装置加入语音识别，方便人机语音交互，帮助用户进行正确的垃圾投放。同时，FPGA的硬件功能十分强
3、大，运行速度可以和专用芯片相比。使用语音识别模块与FPGA硬件相结合，对系统识别率将有更大的提升1。基于此，本文以现场可编程门阵列Cyclone II EP2C5T144和语音识别为核心，设计选题为基于FPGA的智能垃圾分类装置。装置功能的实现过程如下：当用户在投放垃圾时，通过语音指令唤醒并说出垃圾的名称，语音识别系统会根据该语音信号对垃圾进行分类。显示屏将显示垃圾名称和垃圾类型的拼音、对应种类的LED指示灯闪烁并实时语音播报垃圾种类。操作简单方便，适用于各个年龄段，特别是中老年人，有效地解决了用户因分类意识薄弱而不能正确投放垃圾带来的困扰。下面回顾语音识别与智能垃圾桶的国内外研究成果。语音识
4、别是实现人机语音交互等智能应用产品的核心技术。通过接收和执行设备发出的指令，LCD显示屏、LED指示灯和MP3语音广播可以输出相应的视觉或听觉信息。近年来，因为深度神经网络（Deep Neural Network，DNN）的出现、系统大数据的应用与网络云计算的运行，语音识别技术过渡到一个新的阶段，并逐渐在市场上走向实用。由AT&T Bell实验室开始自动语音识别技术的研究，第一次成功地识别出10个孤立的英文数字。60年代，随着计算机和数字处理器的出现，语音识别技术的研究得到了进一步的提升。同时期，语音识别通过简单的模板匹配，发展了动态规划（DP）与线性预测（LP）这两项重要技术。70年代，研究
5、人员对60年代的线性预测技术（LP）进行改进，从而推出线性预测的编码技术（LPC）以及动态时间的规整技术（DTW），这两个技术分别解决了信号的特征参数提取和时间长度不相同而不能匹配的难题，使得特定人、孤立词的语音识别成为可能。80年代初期，矢量量化技术（VQ）被提出，用于压缩语音信作者简介：陈欢，女，江苏无锡，研究方向：无线充电。电 子 元 器 件 与 信 息 技 术|117人工智能与智能制造号信息，以减少识别时间、降低实现复杂度；中期，发展了混合高斯-隐马尔可夫模型（GMM-HMM），语音识别方法由60年代的简单模板匹配转变为概率统计模型；后期，人工神经网络（ANN）开始应用，但语音识别的整
6、体效果不如中期提出的GMM-HMM模型。90年代，提出的MFCC在鲁棒性、识别速度和精度上体现了优异的性能，为语音模型的优化和设计做出了巨大的贡献。该时期，发布Via Voice的IBM、Whisper 的微软和Voice Tone的Dragon等公司将语音识别推广到日常生活中。由于GMM-HMM模型在语音识别中的整体性能与实用化水平相差悬殊，此后将近10年的时间，语音识别技术陷入瓶颈期，发展速度缓慢。直到2006年，由Hinton提议出的深度置信网络（DBN），改进了深度的神经网络（DNN）。2009年，Hinton及Mohamed D在语音识别模型中进行DBN应用的实验，最终可以识别出词汇
7、量较少的连续词。2011年，DNN能够允许识别连续词、大词汇量。同时期，Apple Inc.推出了具有语音识别功能的iPhone 4S系列，得到了公众的广泛认可。此后，传统的GMM-HMM模型被基于深度（DNN）、循环（RNN）、卷积（CNN）的神经网络和端到端技术的模型取代8-10。与GMM-HMM模型相比较而言，DNN模型提高了连续词语音识别的整体性能；RNN模型通过反馈记忆有效信息，优化了DNN模型；CNN模型又是RNN模型的一个改进版本，它能有效地抑制信号中的各种噪声，具有更强的鲁棒性能。随着语音识别技术的日益兴盛和完备，它已逐渐进入市场并走向实用化。1980年之前，是国内少数科研机构
8、对语音识别的探索时期，语音识别技术的发展相对缓慢。但随着1987年863 计划的实施和人工智能体系的应用，我国语音识别技术的研究进入了一个快速发展的轨道。2002年，中国科学院研发的Pattek-ASR成功地识别出汉语语音，具有良好的识别效果。2008年，科大讯飞公司推出了可以应用在多种产品中的多功能识别系统Aitalk2.0，支持多种语音信号的智能控制。2010年，谷歌发布了搜索引擎，首次增加了语音搜索功能；此后，百度、搜狗、科大讯飞等国内企业纷纷推出基于语音识别的智能产品。2013 年之后，国内语音芯片开始快速发展。虽然我国语音识别技术的发展趋势较好，但由于市场上的语音识别产品对识别速度和
9、精度的要求不断提升，而大量涉及语音识别技术的产品仅通过软件优化的方式不能满足上述的要求。因此，迫切需要设计出适合硬件的更加高效的数据处理算法。美国的Clean Robotics研发的Trash Bot原型机，具有垃圾分类投放、自动填满垃圾的功能，解决了用户由于缺乏垃圾分类意识而无法正确投放垃圾的问题。芬兰Enevo初创公司设计的首款Enevo One Collect，具有实时监控垃圾桶异常、优化垃圾回收路线的功能，有助于降低环卫机构的运营成本，改善城市的运营效率。法国Uze公司开发的Eugene，具有垃圾分类功能，主要通过扫描仪确定待丢垃圾所属的垃圾种类。波兰Bin-E公司研制的新型人工智能垃
10、圾桶，具有垃圾智能识别、垃圾信息及时更新与反馈的功能，并对用户消费习惯数据进行了一定程度的分析。美国Big Belly Solar公司发明的“大胃王”垃圾桶，具有压缩垃圾、优化回收路线等功能，有效节约一定的人力物力资源，保证了城市环境的卫生。悉尼大学留学生设计的Tetra Bin垃圾桶，通过“游戏”的形式实现了多种功能，不仅给群众提供了一定的帮助还有利于环境的改善。智能垃圾桶在我国已经逐步发展，并取得了一定的经济和社会成效，但仍然存有大量的实际问题需要解决，如资源紧缺、卫生差劲、空气污染等。因此，本系统实现的低成本、高效能的智能垃圾分类装置具有一定的实用价值与研究价值。1系统总体设计本装置基于
11、语音识别技术和FPGA硬件知dianzi yuanqijian yu xinxijishu 电 子 元 器 件 与 信 息 技 术118|识，选用芯片型号为EP2C5T的ALTERA FPGA开发板、LD3320语音识别模块、串口MP3语音播报模块、LM393红外感应模块以及LCD1602显示模块，实现一种基于FPGA的智能垃圾分类装置。这款智能垃圾分类装置适用于各种场合和不同人群，即使不知道垃圾的种类也不会把垃圾扔错。这方便工作人员对垃圾进行分类处理，也解决了垃圾来源的分类问题。总体设计框图如图1所示。图 1系统总体设计框图下面介绍语音识别系统的基本理论、基本原理和组成部分，阐述语音信号系统
12、的具体实现过程：数字化与预处理、特征参数提取、声学模型和语音模型的建立、解码。（1）预处理模块，主要用来滤除各种噪声，从而保留原始语音数据信号中的有效信息。（2）特征提取模块，若采用最适合系统的特征参数，即可以高效地提取出具备关键特征的语音信号。（3）声学模型训练，用于匹配原始语音数据信号的特征参数，从而得到匹配度最高的语音特征信号。（4）语言模型训练，主要用来判断模板匹配中哪些词更容易出现，从而可以排除匹配过程中一些不可能出现的词。其缩小了搜索范围且提高了识别率。（5）解码模块，通过采用相匹配的搜索算法，从而可以得出识别结果。对原始语音数据信号进行数字化和预处理操作，可以使得系统识别效果更加
13、高效。数字化过程包括预滤波、采样、模数变换；预处理过程包括中值滤波与归一化、预加重、加窗与分帧、端点检测。由于采集的原始语音数据信号通常是模拟信号，采用数字化和预处理操作可以将模拟信号转换成更适合计算的数字信号。同时，抑制各种干扰噪声对语音信号的影响，便于信号的后续处理，提高语音识别系统整体性能。（1）预滤波。在一般的原始语音信号处理时，由采样定理，选取816KHz的采样频率。原始语音信号在进行采样之前，应先进行预滤波操作，预滤波相当于带通滤波器。（2）采样。在进行预滤波操作后，选取适当的采样频率进行采样。由奈奎斯特采样定理可知，若模拟语音信号的频谱带宽是低于fm的带宽，则取样选择等于或高于2
14、fm的带宽，从而能够从等距离的离散时间中恢复出原始语音信号。（3）模数转换。经过采样后的语音数据信号，再通过模数转换器将模拟语音信号变换成数字语音信号，即完成模拟信号到数字信号的过渡，从而使得处理后的语音信号在时间和幅度上都离散。2系统硬件设计2.1语音识别模块LD3320语音识别模块集成了语音数据信号识别的处理器以及一些外围电路，主要包含了模数/数模转换器、麦克风语音输入接口以及语音输出接口等。首先，该语音模块不需要任何外部的辅助模块，即能够直接嵌入到产品中使用，从而实现语音识别、语音控制、人机对话等功能；其次，LD3320模块的使用相对简单，用户不需要深入了解语音识别的原理，通过I2C通信
15、，即可以完成语音信号识别。最后，在LD3320语音识别模块中，内部含有高精度、高速度的识别性能和完整的识别数据库2-4。用户使用I2C通信，将关键词编码成字符串，传输给LD3320语音识别芯片，下次识别时则立即生效。该模块有三种主要的使用模式。用户可以使用编码定义三种不同的工作模式，如 电 子 元 器 件 与 信 息 技 术|119人工智能与智能制造下所示。（1）按键检测模式：系统主控MCU接收到外部触发信号后，在芯片上启动时序识别过程。这时，用户需要说出在一定时间段内要识别的关键词。此过程完成后，用户需要再次触发以重新启动标识过程。（2）循环检测模式：系统主控MCU循环启动自动语音识别过程。
16、若没有发出声音，则没有识别结果。每个进程的识别时间是固定的，超过识别的时间，则开始新的识别过程；如果得到识别结果，那么再根据识别的结果进行处理。（3）口令检测模式：口令模式需要一个关键词来唤醒，唤醒后可以识别。默认的唤醒关键字是第一句话。识别出来后，如果想再次识别，仍需把装置唤醒，类似小洁。LD3320语音识别模块的主要特点有如下三个。（1）LD3320模块识别精度高，语音识别效果实用化。该模块无需录音即可完成与说话人无关的语音识别命令，用户只需使用同一种语言进行识别，识别效率大大提高，最高可达95%。（2）LD3320模块可动态识别关键词，自由编辑50个关键词。在该模块的设计中，用户可以根据实际情况选择多种可能，比如定义50个识别语句作为语音数据命令的候选语音信号，以此提升系统的整体识别性能。（3）LD3320模块具备高精度A/D和D/A通道；不仅能够支持串行和并行接口，还可以设置为休眠状态，以便于后续激活。LD3320语音识别模块除了方便与主控芯片通信外，内部还集成了优化后的孤立词语音识别算法。用户可以方便地将LD3320模块嵌入到产品中，达到语音交互的目的。其原理图如图2所示。2