声控点歌ｍｐ３技术说明

　　 mp3播放器由于其方便携带、价格适中、时尚前卫等原因备受青年音乐爱好者的推崇，市场上的mp3播放器的销售一直保持非常旺盛的态势。使用者除了对mp3的品质、价格、外观等方面有各种各样的要求之外，还都希望自己所拥有的mp3具有更大的容量以便存储更多数量的音乐。当前市场上主流的mp3存储量是512m，很多品牌包括ipod等大容量的音乐播放器（硬盘mp3）其存储量是以多少个g的单位来计算的。以每首mp3音乐文件大小大约5m来计算，主流mp3可以存储100首以上的音乐，硬盘mp3更是可以存储上千首歌曲。在这些音乐中选择自己喜欢的曲目来播放，对于体积小巧的设备来说，需要很麻烦的操作。
　　为了解决这个问题，我们设计了具有声控点歌功能的mp3播放器。该播放器和用户之间存在一个语音接口，用户只要说出自己需要的歌名、歌手或音乐风格等，播放器就可以“听懂”使用者的要求进行点歌。这个功能大大的方便了mp3选歌的操作，也使得在某些场合（比如开车的时候）使用mp3或操作不熟练的老人使用mp3等情况提供了另一个便捷、友好的操作方案。本文就对具有声控点歌的mp3进行一些介绍。
　　
　　一、核心技术说明
　　
　　声控点歌mp3和普通mp3播放器的区别主要就在于包含了一个具有高语音识别性能的人机语音接口。这个语音接口是基于语本文由论文联盟http://收集整理音处理专用芯片设计的语音识别模块。
　　声控点歌mp3播放器中语音识别模块的核心部件是清华大学和德国infineon公司共同设计的语音处理专用芯片unispeech，unispeech芯片可以完成语音识别和语音编解码等语音处理领域的一系列操作。WWW.11665.COmunispeech系列语音处理芯片采用infineon公司0.18微米工艺生产，其中集成了两个核，一个是16bit定点 dsp （oak）。另一个是8bit微控制器（m8051）。双核之间的通信通过芯片内部的双向fifo实现。此外，unispeech芯片中还集成了2路12bit的adc和2路11bit的dac。芯片结构如图1。
　　由于芯片内部集成了adc、dac和片上ram等大部分的功能单元，因此只需要很少的片外器件就可一实现最终的语音识别模块，这样的模块方案体积小、成本低，适宜在mp3播放器中实现。
　　声控模块的语音识别采用的是基于音素的声学模型，在识别过程汇中使用连续马尔科夫模型（hidden markov model, hmm）方法。基于音素模型的语音识别系统主要的优点包括：识别性能高、模型参数的规模不随识别任务的变化而变化，可以通过拼接的方式得到识别词表中各词条的识别模板，特别适合中文普通话的识别任务，为当前语音识别的主流技术。目前的硬件处理能力已经可以达到识别一千词条语音命令，识别性能基本达到实用要求。图2是一个基于音素的语音识别算法流程。
　　在硬件上实现的时候，我们对算法进行了优化使得其识别率不下降的前提下，具有较快的响应时间。算法在安静环境下测得对不同规模词表的识别性能如表1。
　　可以看出，采用两级识别结构的基本算法搭建的基于音素的语音拨号系统在识别600词时达到了97.5%的较高的识别率，而平均使用的识别时间仅为0.105倍实时，在语音长度为1.6秒时，响应时间0.24秒。
　　
　　二、样机菜单功能说明
　　
　　我们联合深圳eston公司已经开发了具有声控功能的mp3播放器样机，该样机菜单共有8项功能选择:
　　 1. 音乐模式：用于歌曲名表、播放两种状态切换。
　　 2. 均衡：分为正常、摇滚、爵士、古典、流行模式等5类风格,用户可根据个人喜好设置音乐风格。
　　 3. 循环模式：分为单曲循环、所有循环、单次循环；
　　 ● 单曲循环的功能是只循环播放一首歌曲；
　　 ● 所有循环的功能是循环播放所有的歌曲；
　　 ● 单次循环的功能是所有的歌曲只循环播放一次随即停止。
　　 4. 文件删除：在不与电脑连接时，用此功能可以在mp3上进行删除歌曲文件。
　　 5. mic精度设置：设置mic的灵敏度，共分5级。1级灵敏度最低，适合嘈杂环境；5级最高，适合安静环境。
　　 6. 语音提示开关：此功能开启后，点歌后会语音提示是否