设计摘要：
1、设计意图
科学技术水平的发展，使人们的生活受到潜移默化的影响，并逐渐改变人们的生活习惯，不断地提高人们的生活质量。比如由于全自动洗衣机、微波炉等智能化设备的出现，我们不必按键操控每一步过程，机器可以自动完成整个过程，用户也可以遥控他们。
智能化所带来的方便、快捷带给人们更加舒适的生活，但是随着家用电器的不断增多，需要的遥控器也不断增多，给人们造成许多的不便，因此，一种能够解放人们双手并且实时、快速、方便的语音智能操控系统的概念应运而生。语音智能操控系统可以取代多个遥控器，当需要控制某一家电时，只需说出所需调节的内容（如，空调开，温度25℃），语音智能操控系统就能通过对操控者的语音识别，完成匹配并发出遥控信息完成相应的操作。
基于FPGA实现语音智能操控系统具有：
（一）设计灵活、操作方便、快捷
（二）准确度高，工作范围大
（三）可随时用语音操控带有遥控装置的用电器
（四）可扩展性强，增强了系统的外接功能
（五）便于更新和系统升级，可随时嵌入更新系统程序
（六）设计周期短、开发费用低、功耗低等独特优点。
2、适用范围
语音智能操控系统主要控制的家用电器有两类，第一类是开关型家电，包括家居照明、饮水机、电饭煲、抽风机、充电器、电风扇等；第二类是红外遥控型家电，包括空调、电视机、DVD、电动窗帘、电动闸门等。还有很多有待开发的应用领域，范围很广。
3、主板
该系统利用FPGA板块，可自主嵌入应用程序，用户可根据自己需求植入语音信息，以待匹配。如果用户不需要某项语音匹配信息，可删除，灵活性非常高。同时，由FPGA主板设计ASIC电路，具有设计周期短、开发费用低、功耗低的优点。系统控制核心都在FPGA内部实现，可以极为方便的更新和升级系统，大大的提高了系统的通用性和可提高性。
功能描述：
由FPGA实现语音智能操控系统的系统构架图如图2-1所示，它是以FPGA为主板，嵌入语音识别系统并结合红外遥控系统完成的智能操控系统。
图2‑1 由FPGA实现语音智能操控系统的系统构架图
FPGA中嵌入的语音识别系统分为两种工作模式：训练模式和识别模式首先，用户在训练模式下，完成相应的语音信息的输入和特征存储工作，建立完整的语音信息特征数据库。然后，在识别模式下，由语音输入设备输入语音信息进行比对，匹配后即发出相应操作的信号，遥控设备。系统框图如图2-2所示
图2-2 语音识别系统的框图
该系统分为五个模块：语音信息特征提取模块、语音信息特征数据库建立模块、语音信息输入采集与预处理模块、语音信息比对模块、操控指令连接发送模块。
1、语音信息特征提取模块，即对接收到的语音信息通过语音识别算法提取相关特征匹配数据，其中用到语音信息输入采集模块。
2、语音信息特征数据库建立模块，即对特征提取模块所得匹配数据存储到存储器中，以备对比匹配使用。
3、语音信息输入采集模块，即通过麦克风输入语音信息，当满足要求时，通过信息特征提取模块对输入的语音信息的特征数据进行提取，保存到缓冲区，等待对比。
4、语音信息比对模块，即用保存到缓冲区的特征数据和数据库中的数据进行比对，是否与某一数据匹配。
5、操控指令连接发送模块，即当输入的语音信息与某一库存信息匹配时，就完成主板与红外发射装置的连接并发出相应的操作指令信息，完成操作。
整个过程由嵌入到FPGA芯片内的程序完成。另外，基于NiosII的SOPC系统帮助我们完成了上述功能。同时，我们通过开发工具SOPC Builder，在FPGA上创建软硬件开发的基础平台，可以很快的将硬件系统（包括处理器、存储器、外设接口和用户逻辑电路）与常规软件集成在单一可编程芯片中。而且，SOPC Builder 还提供了标准的接口方式以便我们将自己的外围电路做成Nios Ⅱ软核可以添加的外设模块。这种设计方式更加方便了我们对系统的调试。
设计方法：
本系统设计开发中主要使用的硬件工具和软件设备：
Spartan—6、音频编解码芯片、麦克风、ISE仿真软件。
以下分模块介绍所用算法：
5.1语音信息输入采集与预处理模块
本模块要实现的功能是采集语音信号，并对其进行FIR滤波、语音数据归一化、语音的端点检测处理。语音采集部分采用外加的音频编解码器进行设计，通过VERILOG HDL编写对芯片的工作模式进行设置，是芯片在上电后对工作模式设置在系统要求的状态下。
语音预处理包含三部分，语音归一化处理单元、FIR滤波器运算单元、语音端点检测单元。图5-1.1是预处理的结构功能图：
图5-1.1预处理的结构功能图
在分析处理之前必须进行端点检测过程，以确定语音信号的开始点和结束点。其中包括对语音信号短时能量和短时过零率的分析。
短时能量
其中，
为原样本序列在窗函数所切取出的第n段短时语音，N为帧长。
短时过零率
其中,
为符号函数。
图5-1.2语音的端点检测状态图
5..2语音信息特征数据的提取模块
这里利用到MFCC音频特征提取算法，语音信号输入系统后，先进行加窗、滤波等预处理，再进行采样等过程，最终完成特征数据的提取。在识别模式下，语音信息的采集也是用到了这个算法，过程相同。
MFCC算法是有效的基于内容的音频特征提取算法，其处理过程如下：
（1） 对音频信号进行预处理，即预加重、分帧、加窗处理；
（2）将每帧音频信号进行傅里叶变换得到其频谱：
（3）用Mel滤波器组在频域进行带通滤波，并对每个频带的能量叠加得到频谱能量x(k)；
（4）将滤波器组的能量取对数，然后做离散余弦变换，即得到MFCC特征。
图5-2为MFCC特征提取算法的流程图。
图5-2 MFCC特征提取算法的流程图
计算公式为：
此时所提取的特征为音频信号的静态特征，该信号再经一阶差分后即得到音频的动态特征。
5.3 特征数据匹配模块
完成特征数据提取后，系统需要完成匹配的过程，这里用到了DTW算法，即在数据库里重复寻找与输入的音频特征差别最小的数据信息，完成匹配。
DTW算法是典型的DP人算法，它利用动态时间规整方法将模板特征序列和语音特征序列进行匹配，比较二者之间的失真，得出识别判决的依据。DTW算法的具体过程如下：
假设存储的一个词条模板包括M帧倒谱特征R={r(m);m=1,2,...,M};识别特征序列包括N帧倒谱特征T={t(n);n=1,2,...,N}。在r（i）和t（i）之间定义帧局部失真D(I,j),D(I,j)=|r(i)-t(i)|*2,通过动态搜索路径中找到的累积失真最小的路径，即最优的匹配结果。采用对称形式DTW：
其中S(i,j)是累积失真，D（i，j）是局部失真。
当动态规划过程计算到固定节点（N,M）时，可以计算出该模板动态匹配的归一化距离，识别结果即该归一化距离，最小的模板词条
计算过程中，为了减少计算量，我们采取以下方法：
全局路径约束，即只计算四条直线：y=0.5x,y=2x,y=0.5x+（M-0.5N）
,y=2x+(M-2N)所谓的平行四边形内部的点；
端点约束为固定起点、终点，即从左下角开始计算，到右上角点截止；
对进行模式匹配的两条语音命令的长度N和M进行了约束，如果两者之间相差太大则直接放弃该参数模板，不进行DTW运算。
图5-3 DTW算法流程图
设计特点：
该设计的主要特点：
该设计采用MFCC音频特征提取算法和DTW特征匹配算法，对音频进行了加窗、滤波预处理，特征数据的提取和比对都比较精确，系统的稳定性和准确性都得到了提高。
系统采用Spartan-6主板，将程序编写后嵌入到芯片内部，外部只是采用简单的线，用于连接输入、输出设备，主板采用集成电路，减少了连线错误的可能性。同时，内嵌的程序可作修改，更具实用性，也节省了制作材料。
当系统出现错误时，可调出内部程序，在仿真软件上进行模拟查询错误；若问题出在外部电路，由于电路连线简单，用户便于查找和更改。相比于单纯的电路结构，该系统结构明了，无需大范围的改动，更加实用和节省材料。
系统采用红外模块操控家电设备，结构简单，控制方便。
红外操控本身就具有可遥控的特点，即芯片可固定于某一位置，连接多个红外发射端口，就可完成对多个设备的操控。
