基于边缘AI芯片的声音识别模块及识别方法与流程

本发明涉及声音识别技术领域，具体涉及一种基于边缘ai芯片的声音识别模块及识别方法。

背景技术：

目前存在的语音识别手段虽然种类多，但是由于多数采用模拟分离原件或者采用集成固化的asr单芯片，这些方式在可靠性与可扩展性以及智能化方面存在较大的不足。

技术实现要素：

针对上述现有技术的不足，本发明所要解决的技术问题是：提供一种可实现声源定位、波束形成、语音识别，并且具有较强的抗干扰能力，采用ai芯片使得模组同时具有边缘识别以及联网识别优势的基于边缘ai芯片的声音识别模块及识别方法。

为了解决上述技术问题，本发明采用了如下的技术方案：

基于边缘ai芯片的声音识别模块，包括pcb电路板，在pcb电路板上集成有边缘ai芯片和数字式mic芯片，其中，所述mic芯片为多个，其包括一个中心mic芯片和多个外围mic芯片，其中多个外围mic芯片位于以中心mic芯片为中心的同一圆周上，并绕该圆周均匀分布，且所述mic芯片与边缘ai芯片连接；在该pcb电路板上还集成有用于为各芯片供电的稳压电路。

进一步的，所述mic芯片和边缘ai芯片分设于pcb电路板的两侧板面上。

进一步的，还包括程序烧写电路，所述程序烧写电路包括依次连接的usb接口、usb转串口芯片和烧写触发电路；所述烧写触发电路与边缘ai芯片连接，用于控制对边缘ai芯片写入控制程序。

进一步的，所述mic芯片总数为7个，并通过数据总线与边缘ai芯片连接。

进一步的，所述边缘ai芯片具有wifi通讯模块。

一种基于边缘ai芯片的声音识别方法，包括所述声音识别模块，包括如下步骤，

1）初始化声音识别模块；

2）间隔设定时间依次轮询mic芯片，并判断mic芯片是否检测到声音信号；

3）如果无声音信号，继续轮询下一mic芯片，重复步骤3-4；

4）如果有声音信号，判断声音是否超过第一设定阈值；

5）如果该声音超过第一设定阈值，记录各个mic芯片的声音信号的大小和对应的接收时间，利用三点法判断声音方向，并同时利用声音与时间关系形成的声场效果，计算得出声音的位置移动情况，并将该结果上传；否则继续轮询mic芯片；

6）如果声音超过第二设定阈值，识别该声音信号是否为唤醒口令，如果是唤醒口令，将该唤醒口令后的设定时间内的声音信号打包上传，并启动语音识别库识别该声音信号；否则返回步骤5。

进一步的，步骤2中的轮询间隔为100us；步骤6中的设定时间为3s。

进一步的，步骤5中三点法是对mic芯片的声音信号从大到小进行排序，并记录对应的接收时间，选取其中最大声音信号的mic芯片以及与该mic芯片间隔最远的两个mic芯片，通过计算声音信号到达该三个mic芯片的时间差，判断声音方向。

进一步的，步骤5中声音的位置移动情况是通过mic芯片的声音信号大小的实时排序与时间的关系得出。

进一步的，在步骤1与步骤2之间还包括启动边缘ai芯片的wifi通讯模块的步骤。

相对于现有技术，本发明的有益效果：

1、采用ai模组，模组具有边缘ai芯片与wifi功能，ai边缘芯片可以实现离线下的声源定位、波束形成、语音识别，使得使用扩展更加灵活，同时具有wifi功能，在连接入物联网后可以实现在线识别，远程交互。

2、采用数字式mic芯片，多芯片配合的方案，按照360度全方位分析，每间隔60度设置一个mic芯片，并且在pcb中心位置设置一个独立mic芯片。总计7个mic芯片这样的方式，使模块可以全方位的收集声音信息，并且为ai芯片的数据判断提供更加全方位的比对、参考、区分、过滤的原始信息。

3、通过采用ai芯片，结合多数字mic芯片组合方式，配合pcb布局，可实现声源定位、波束形成、多语音识别，并且具有较强的抗干扰能力，同时具有边缘识别以及联网识别的优势。

附图说明

图1为本发明的pcb电路板的正面以展示多mic芯片布局的示意图；

图2为本发明的pcb电路板的背面以展示边缘ai芯片布局的示意图；

图3为本发明的声音识别方法框图；

图中，1-pcb电路板，2-mic芯片，3-边缘ai芯片。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例：

如图1-3，基于边缘ai芯片3的声音识别模块，包括pcb电路板1，在pcb电路板1上集成有边缘ai芯片3和数字式mic芯片2，所述mic芯片2和边缘ai芯片3分设于pcb电路板1的两侧板面上，具体的，所述边缘ai芯片3采用w1m模组。

其中，所述mic芯片2为7个，其包括一个中心mic芯片2和多个外围mic芯片2，其中多个外围mic芯片2位于以中心mic芯片2为中心的同一圆周上，并绕该圆周均匀分布，具体的，每间隔60度设置一个mic芯片2。且所述mic芯片2与边缘ai芯片3通过数据总线与边缘ai芯片3连接。

在该pcb电路板1上还集成有用于为各芯片供电的稳压电路。

还包括程序烧写电路，所述程序烧写电路包括依次连接的usb接口、usb转串口芯片和烧写触发电路；所述烧写触发电路与边缘ai芯片3连接，用于控制对边缘ai芯片3写入控制程序。

所述边缘ai芯片3具有wifi通讯模块，用于与远程服务器通讯，以便于数据的打包上传。

一种基于边缘ai芯片3的声音识别方法，包括上述的声音识别模块，包括如下步骤，

1）初始化声音识别模块；

在初始化后，启动边缘ai芯片3的wifi通讯模块与服务器通讯连接，以便于向服务器上传数据和在线语音识别。

2）间隔100us依次轮询mic芯片2，并判断mic芯片2是否检测到声音信号；

3）如果无声音信号，继续轮询下一mic芯片2，重复步骤3-4；

4）如果有声音信号，判断声音是否超过第一设定阈值；

5）如果该声音超过第一设定阈值，记录各个mic芯片2的声音信号的大小和对应的接收时间，利用三点法判断声音方向，并同时利用声音与时间关系形成的声场效果，计算得出声音的位置移动情况，并将该结果上传。所述的三点法是对mic芯片2的声音信号从大到小进行排序，并记录对应的接收时间，选取其中最大声音信号的mic芯片2以及与该mic芯片2间隔最远的两个mic芯片2，通过计算声音信号到达该三个mic芯片2的时间差，判断声音方向。并声音的位置移动情况是通过mic芯片2的声音信号大小的实时排序与时间的关系得出。否则继续轮询mic芯片2；

6）如果声音超过第二设定阈值，识别该声音信号是否为唤醒口令，如果是唤醒口令，将该唤醒口令后的3s内的声音信号打包上传，并启动语音识别库识别该声音信号；否则返回步骤5。

采用m1w模组，模组具有边缘ai芯片3与wifi功能，ai边缘芯片可以实现离线下的声源定位、波束形成、语音识别，使得使用扩展更加灵活，同时具有wifi功能，在连接入物联网后可以实现在线识别，远程交互。

采用数字式mic芯片2，多芯片配合的方案，按照360度全方位分析，每间隔60度设置一个mic芯片2，并且在pcb中心位置设置一个独立mic芯片2。总计7个mic芯片2这样的方式，使模块可以全方位的收集声音信息，并且为ai芯片的数据判断提供更加全方位的比对、参考、区分、过滤的原始信息。

通过采用ai芯片，结合多数字mic芯片组合方式，配合pcb布局，可实现声源定位、波束形成、多语音识别，并且具有较强的抗干扰能力，同时具有边缘识别以及联网识别的优势。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，尽管申请人参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。