[发明专利]带有语音识别的麦克风电路总成和系统

说明书

技术领域

本发明一方面涉及用于连接至外部应用程序处理器(比如，可编程数字信号处理器)的麦克风电路总成。本发明的其它方面涉及包括麦克风电路总成的数字信号处理系统。

背景技术

麦克风电路总成包括麦克风前置放大器和模拟-数字转换器以以第一预定采样速率生成麦克风信号样本。语音特征提取器被配置为接收和处理麦克风信号样本预定块以提取表示麦克风信号样本的语音特征的语音特征向量。麦克风电路总成还包括语音词汇表，其包括被编码为目标特征向量集的人类语音的目标词或目标短语，以及判定电路，其被配置为将语音特征提取器生成的语音特征向量与目标特征向量进行比较以检测目标语音词或短语。控制器被配置为在麦克风电路总成的外部可接入输出端子上生成识别信号以响应麦克风信号样本中被识别的目标词或短语。

在语音识别系统中，应用于进入的通常由安装在便携式通信设备(如，电话、玩具、电视机或PC等)内的麦克风生成的语音信号的第一滤波器组通常是梅尔倒频谱系数(MFCC)滤波器组的变体，无论底层语音识别系统是否基于神经网络(NN)、隐马尔可夫模型(HMM)或因子图(FG)。整个语音识别系统的目的是提供对装置功能(比如，从睡眠模式变为唤醒或开机)的语音激活控制。然而，已知的语音识别装置和系统的MFCC滤波器组在计算上很复杂，并因此常常在可编程应用程序处理器(比如，可编程定点或浮点DSP内核或引擎)上执行。这些类型的DSP内核常常使用24位或32位字长来表示进入的语音/音频信号样本，致使具有对应字长的数据路径电路、数据寄存器和逻辑来适应进入的音频样本的字格式。该特征导致在处理进入的语音或音频信号期间，MFCC滤波器组中产生高功率消耗，这是 在便携式/电池供电设备中应用基于MFCC的语音识别的一个重大问题或障碍。

此外，由于语音识别应用程序或程序通常在可编程外部应用程序处理器（例如，DSP内核）上执行，因此其不得不持续保持激活操作模式以检测进入的麦克风信号中是否存在目标词、短语或命令。由于不断操作的可编程应用程序处理器的高功率消耗，要求可编程外部应用程序处理器连续操作便给提供语音激活的系统的上电造成了障碍。就电池寿命和世界范围内的不断努力以减少整个工业化世界的电气设备的能量耗损而言，高功率消耗对于语音识别在电池供电的移动式设备和连接电源的电气设备中的应用是一个重大问题。因此，提供包括低功率消耗且能够独立于外部应用程序处理器操作的语音识别单元的单独的麦克风电路总成大有裨益。麦克风电路总成可包括能够识别出一个或多个预定目标词或短语并通过传输合适的识别信号将这种目标词或短语的识别指示给外部应用程序处理器的语音识别单元。因此，通过将识别进入的麦克风信号中的目标词或目标的任务委派给麦克风电路总成，这种麦克风电路总成将允许外部应用程序处理器处于睡眠模式，而无需处理麦克风信号。麦克风电路总成可通过合适的允许应用程序处理器从睡眠模式切换至激活模式并采取适当行动的识别信号将目标词或短语的识别指示给外部应用程序处理器。

欧洲专利0871157A2公开了一种语音识别方法和设备。语音识别装置从麦克风接收其输入语音信号。语音信号通过使用采样频率为8kHz的和分辨率为每样本12位的A/D转换器被转换成数字形式。语音识别装置包括在此处对语音信号进行分析并对特征向量进行建模的前端。可通过限定梅尔倒频谱系数(MFCC)对特征向量进行建模。

美国专利2003/110033A1公开了一种用于实时语音识别的方法和系统。语音识别基于MFCC算法和隐马尔可夫模型(HMM)。语音识别系统可在适合低资源环境的DSP上实施。WOLA滤波器组作为DSP内核的协同处理器工作将256点FFT应用于数字化输入语音信 号的连续或运行片段。

ECTI的Wada等人2005年11月发表的文章‘A Real Time Noise-Robust Speech Recognition System’公开了一种基于定制硬件，比如全定制ASIC设计或FPGA设计的方法和设备。语音识别装置基于FPGA板。输入FPGA电路板上的语音识别装置的语音信号是通过利用A/D转换器以11.025kHz的采样速率将语音样本量化成12位字长对麦克风信号进行采样生成的。

发明内容

本发明的第一方面涉及用于外部应用程序处理器的麦克风电路总成，包括：

麦克风前置放大器，其包括用于接收麦克风信号的输入端子，

模拟-数字转换器，其被配置为接收麦克风前置放大器的输出信号，并以第一预定采样速率生成对应的具有第一预定位数的麦克风信号样本，