基于STM32/GD32的语音识别系统

人类可以听到的音频信号频段范围在20kHz以下。本系统为了减少功耗，提高语音质量。添加了语音识别算法，可以实时识别当前音频是人声，音乐，或者是噪声。如果是噪声，则会关闭扬声器输出，降低系统功耗。

基本思路

第一步，对输入进来的音频信号进行分帧处理，分为不同的时间片。

第二步，对每个时间片数据进行短时傅里叶分析，分析出其频域信息。

第三步，使用梅尔滤波器对频域信息进行特征提取。

第四步，将提取到的结果进行FIR滤波，提高识别的稳定性

第五步，生成合适的滤波器，去除噪声，保留正常的语音信号

人声提取测试结果

本系统将一段音频进行噪声去除处理，图4.16，图4.17，图4.18分别为语音特征提取，语音阈值自适应结果，以及生成的实时滤波器参数。

语音原信号

图4.16 语音特征提取 

图4.17 语音阈值自适应 

图4.18 生成实时滤波器参数

由图4.18可知，该算法可以很好的去除噪声，保留人声信息。