《基于嵌入式边缘计算的智能语音识别控制系统设计与实现》开题报告

　　一、选题背景及意义

　　1.背景

　　随着人工智能物联网（AIoT）技术的发展，语音交互被视为继键盘、触摸屏之后最自然的人机交互方式。目前主流的智能语音助手高度依赖云端服务器。这种“端-云”模式存在网络延迟、隐私泄露风险以及对宽带的高依赖性等问题。

　　在工业控制、智能家居网关、医疗康复设备等特定场景下，用户希望设备能在本地直接处理语音指令，断开互联网也能工作。边缘计算正是为解决此问题而生，它将AI算法前移至终端设备上运行。

　　2.意义

　　学术价值：研究轻量化神经网络模型（如CNN、DNN）在资源受限的嵌入式平台（Cortex-M或Cortex-A系列）上的部署与加速技术。

　　应用价值：设计一套低延迟、高隐私保护的非特定人语音控制系统，可应用于智能家居中控、无障碍辅助设备（声控轮椅、声控灯）等场景。

　　专业能力培养：综合运用《数字信号处理》、《嵌入式系统》、《人工智能》等多门核心课程知识，锻炼软硬件协同设计能力。

　　二、国内外研究现状

　　百度、科大讯飞、Google的语音API准确率高，但依赖网络且存在上传延时（通常在200ms以上+网络波动）。

　　国外的Edge Impulse、国内的RT-Thread与瑞芯微等厂商推出了低功耗离线语音方案。目前的难点在于：如何在低成本MCU（如ESP32、STM32）上，在有限的RAM（通常<512KB）和Flash资源内，平衡“识别率”与“功耗”。

　　多数离线方案仅支持固定命令词（如“开灯”“关灯”），缺乏对连续信号的处理能力或抗噪能力较弱。

　　三、研究内容

　　本课题拟设计一套以低成本嵌入式平台为核心的语音控制系统，实现本地语音采集、关键词识别及外设控制。主要内容包括：

　　硬件系统搭建：

　　选择合适的开发板（如ESP32-S3或STM32F4系列）与数字麦克风（I2S接口）。

　　设计外围控制电路（如继电器控制灯、舵机控制门锁、LCD状态显示）。

　　语音信号预处理：

　　编写驱动程序采集PDM或I2S音频数据。

　　实现语音活性检测（VAD，即检测人声开始结束）、预加重、分帧、加窗。

　　提取语音特征参数（MFCC，梅尔频率倒谱系数）。

　　轻量化识别算法部署：

　　预设5-10个控制命令词（如“打开空调”、“关闭窗帘”、“温度升高”）。

　　训练一个简单的DNN（深度神经网络）或基于TensorFlow Lite Micro的模型。

　　解决关键词唤醒（Wake Word Detection）与命令词识别（Command Word Recognition）的级联逻辑。

　　系统集成与测试：

　　将算法移植到嵌入式端，去除上位机（电脑）依赖。

　　测试不同距离（1米、3米）、不同环境噪音下的识别准确率及响应延时。

　　四、拟解决的关键问题

　　内存溢出问题：神经网络模型通常需要几百KB的RAM，而普通MCU只有64-256KB。需要研究模型量化（Int8量化）及算子剪裁技术。

　　实时性问题：FFT（快速傅里叶变换）和矩阵运算在低频MCU上较慢。需优化中断服务程序，确保音频数据不丢帧且识别处理不卡顿。

　　抗噪处理：在电视声或风扇声干扰下，如何通过简单的端点检测算法避免误唤醒。

　　五、技术路线与方法

　　开发环境：Arduino IDE或PlatformIO（对于ESP32）/Keil MDK（对于STM32）。

　　软件框架：

　　音频驱动：I2S协议读取INMP441麦克风。

　　算法库：CMSIS-DSP（ARM数学库）用于FFT；TensorFlow Lite Micro用于推理。

　　控制逻辑：状态机编程。

　　PC端辅助：使用Python(librosa,tensorflow)进行模型预训练和参数导出。

　　实验方法：控制变量法，分别测试无噪音环境vs 70dB噪音环境下的识别率。

　　六、预期成果

　　硬件实物：一个能够独立运行的语音控制盒子或开发板套件。

　　软件源码：完整的嵌入式C/C++工程代码，包含驱动、算法集成及控制逻辑。

　　设计文档：毕业设计论文一篇，包含原理图、流程图、测试数据及分析。

　　演示视频：展示用户在无网络环境下，通过说出“小电小电（唤醒词）+打开红灯”等命令，成功控制硬件。

　　七、研究计划与进度安排

　　第1-3周：查阅文献，确定硬件选型，采购元器件，完成开题答辩。学习I2S音频协议。

　　第4-6周：搭建硬件电路，编写麦克风驱动，实现音频数据串口打印至电脑进行验证，完成预处理代码编写。

　　第7-10周：在PC端训练简易语音模型，进行模型量化与转换，移植TensorFlow Lite Micro到嵌入式板卡。

　　第11-13周：代码联调，优化识别速度和准确率，增加抗干扰算法。制作实物外壳。

　　第14-16周：撰写毕业论文，整理测试数据，录制演示视频，制作答辩PPT。

　　八、参考文献

　　Zhang,Y.,et al."Hello edge:Keyword spotting on microcontrollers."arXiv preprint arXiv:1711.07128,2017.

　　STMicroelectronics.STM32Cube.AI:Getting started with AI for STM32.Application Note,2021.

　　Espressif.*ESP-Skainet:Speech commands recognition framework for ESP32*.GitHub Repository,2023.

　　王建新，张磊.基于深度学习的嵌入式语音关键词识别系统设计[J].电子技术应用，2022,48(5):112-116.