寫在前面

能獲得企業大獎其實是出乎預料的，論復雜程度我自己認為可能也無法比的上其他學校的朋友們的(不過是因為今年沒有線下交流，著實無法看到大家的作品)，但我覺得組委會能選擇我們組作為企業大獎，可能也是想通過我們來拓寬大家的思路，而并不一定是我們的作品做的是多么完美。

學習了近幾年ARM杯的作品，感覺大家都是在同一個領域做文章(當然去年那組BLDC的hxd例外)，那就是視覺和圖像處理方面。這方面感覺大家做的都非常好了，無論是用現成的算法拆分成verilog中的矩陣運算，還是利用HLS這類高層次綜合工具，我覺得如果繼續做視覺方面的內容我們可能再怎么努力也無法達到他人積累多年經驗的程度，所以我們選擇換一個角度。

人類有五種感官，嗅覺和味覺目前來說無法做到輔助(笑，還剩下聽覺、視覺和觸覺，視覺被我們直接否定了，那么觸覺呢？目前高精度的傳感器也不是我們能企及做到的了，這和生物醫學電子有關，那么我們的眼前就只有一個選擇了：聽覺。

這也正是我們選擇做這個系統的原因之一，還有一個原因是我們能感覺得到現在的消費電子都逐漸在向聲學方面走，例如蘋果的HomePod，華為的Sound X，還有小米最近剛推出的小米Sound，這些都是非常高端的走計算聲學方向的家居產品，它們的受眾非常廣，而且在這兩年疫情的影響下，更多的人會選擇在線會議，那么一個優秀的聲學處理裝置就顯得更為重要了。

1.設計簡介

1.1 總體介紹

本作品是基于Coretex-M3 Design Start的語音識別和聲源定位識別系統，包括Digilent NexysVideo開發板、自制麥克風矩陣模塊、ESP8266無線互聯模塊、LCD屏幕、載體小車以及安卓端APP組成。

本系統在Xilinx Artix-7中搭建ARM Cortex-M3軟核作為中央處理器，使用自制的MEMS硅片麥克風陣列作為聲音信號采集器，利用Artix-7中自帶的XADC將麥克風輸出的模擬量信號轉換為數字信號并通過AXI4-FULL傳輸給DDR3控制器，DDR3控制器根據用戶的控制選擇輸入和輸出，當開始語音識別后，將開啟后1s內的數據從DDR3中直接利用Burst讀入語音識別模塊，該模塊利用HLS綜合，包括語音的MFCC特征提取、BP神經網絡的執行等過程，將最終得出的語音識別結果保存在寄存器中并能使CPU通過AXI4-Lite讀取；當開啟聲源定位后，數據利用AXI4-Stream直接搬移到算法電路模塊，對四路麥克風同時進行流水線處理，經過信號的處理和變換后得到聲源方位數據通過UART串口輸出到ESP8266，ESP8266利用局域網將數據傳至安卓APP。

有一點我們的體會可以分享給其他朋友們，如果我們在一段時間內只需要處理一段定長的數據，那么我們可以不利用DMA，而是僅僅利用AXI的Burst傳輸即可，例如采集1s的信號寸到DDR中一段連續區域以后，將這些的音頻信號數據整個Burst到加速器中，這樣可以充分發揮總線橋的作用，并節省一個DMA的資源，還可以減小數據搬移過來過去的時延。

1.2 硬件架構

在本系統中，由于最終制作的語音識別加速器和聲源定位加速器都使用AXI系列總線配置寄存器和讀寫數據，同時DDR3由AXI總線接口的MIG管理，因此為了方便實用和同一總線，使整個架構簡潔，我們將除了ITCM和DTCM外的所有外設連接在由AHB轉換之后的AXI總線橋上。

1.3 語音識別加速器

語音識別采用的方案是利用MFCC提取特征，之后利用BP神經網絡擬合特征系數對應的神經網絡隱含層參數。首先輸入的語音數據從DDR經過Burst傳輸到信號處理模塊中，經過預處理(去工頻噪聲、音量均衡)后提取MFCC，再利用BP網絡將MFCC系數與訓練過的語句一一對應輸出對應的結果。語音識別的網絡的權重參數采用的是MATLAB離線訓練的方法，然后把訓練的權重數據保存在coe文件中，利用HLS綜合出IP。

流程圖如下：

1.4 聲源定位加速器

聲源定位加速器融合了TDOA(Time Difference of Arrival 到達時間差)和空域波束指向性加權的方法。

由四個全向性麥克風M1, M2, M3, M4組成的差分麥克風列，如圖2.10所示。四麥克風等間隔的分布在直徑為D的圓周上。

差分麥克風陣列的輸出信號包括原點處的聲壓信號和原點處振速的兩個正交分量，可以得到聲源在原點處的聲強，進而由聲強的方向得到目標方位的估計值。需要指出的是，基于聲強估計的聲源定位方法通常只適用于單聲源的情況。同時，對于全向麥克風而言(不同于“心”形指向麥克風)，并沒有對特定角度的聲源信號進行增強或削弱，這就使得在進行聲源定位時往往受到其他方向的干擾。采用空域波束指向性加權的方法，可以只增強期望方向上的信號，削弱其他方向上的干擾信號，提高信干比，使得輸出結果中特定方向上的信息能量增大。

2.作品外觀和使用體驗

作品成品外觀如下：

審核編輯 ：李倩