绍了一种基于DSP和FPGA的机器人声控系统。在语音采集上,将DSP芯片TMS320C5509和音频芯片TLV320AIC23相结合进行语音的采集。在软件开发上,开发环境采用CCS 3.1,语音特征向量采用美尔频率倒谱系数,模式匹配和训练采用隐马尔可夫模型,实现了语音指令的识别。在动作控制上,采用FPGA作为机器人头部动作逻辑控制器,使机器人能够根据非特定人的语音命令做出规定的头部动作。
本文介绍了一种基于DSP（数字信号处理器）和FPGA（现场可编程门阵列）的机器人声控系统设计。该系统旨在实现对机器人头部动作的声控，使其能根据非特定人的语音命令执行预设的动作。核心硬件组件包括TMS320C5509 DSP芯片用于语音识别处理，以及TLV320AIC23音频芯片用于语音采集。软件开发环境采用CCS 3.1，利用美尔频率倒谱系数作为语音特征向量，结合隐马尔可夫模型（HMM）进行模式匹配和训练，确保语音指令的准确识别。
在语音采集阶段，麦克风捕捉到的声音信号被转换为模拟信号，然后通过TLV320AIC23芯片进行模数转换，生成数字信号输入到DSP。DSP TMS320C5509以其快速的处理能力，对语音信号进行实时分析，实现离线状态下的语音识别和动作指令控制。FPGA作为头部动作的逻辑控制器，根据DSP的指令生成步进电机的控制信号，驱动机器人头部运动。
系统硬件结构包括语音采集和播放模块、DSP语音识别模块、FPGA动作指令控制、步进电机及其驱动、外部闪存芯片、JTAG接口和键盘控制。其中，语音采集和播放使用了TI公司的TLV320AIC23B芯片，具备8 kHz的采样率，支持单声道输入和双声道输出。DSP通过I2C接口与该芯片交互，进行参数配置。语音信号被分割成20ms的帧，帧移10ms，以适应其“短时性”特征。
语音识别系统设计的关键步骤包括预加重、加窗、短点检测、特征提取和模式匹配。预加重是为了去除声门激励产生的低频成分，加窗则是为了减小信号处理时的边界效应。特征提取采用美尔频率倒谱系数，这是一种常用的语音特征表示方法，能够有效地反映语音信号的频率特性。接着，通过HMM进行模式训练和匹配，建立语音指令与机器人动作之间的对应关系。
FPGA的使用显著减少了时序控制和逻辑电路在电路板上的空间占用，有利于系统的微型化和低功耗设计。系统外部闪存用于存储程序和语音库，JTAG接口用于与PC机联机调试，键盘则提供了参数调整和功能切换的接口。
这种基于DSP和FPGA的机器人声控系统展示了高效、灵活的语音处理能力，适用于小型化、低功耗的机器人应用场景。通过集成化的硬件设计和智能化的软件算法，该系统能够对非特定人的语音命令进行有效识别，从而推动了机器人技术在交互性和自主性方面的进步。
