基于ASRPRO语音识别与STM32的温湿度播报系统实战

1次阅读

没有评论

共计 3376 个字符，预计需要花费 9 分钟才能阅读完成。

在工业现场和智能家居场景中，传统的温湿度显示方案通常需要人工查看屏幕或显示屏，这种方式存在几个明显的局限性：

非直观：需要用户主动查看，无法实现被动信息推送。
依赖视觉交互：在光线不足或视线受阻的环境中（如设备安装在角落或高处），查看数据变得困难。
实时性差：用户需要手动操作才能获取最新数据，无法实现即时反馈。

语音播报技术可以很好地解决这些问题，通过语音交互实现信息的主动推送和被动接收，大大提升了用户体验。

在选择语音识别模块时，我们对比了几种常见的方案：

ASRPRO：
优点：离线识别率高（实测可达 95% 以上），支持唤醒词定制，开发成本低。
缺点：对环境噪声较为敏感。
LD3320：
优点：对噪声有一定的抗干扰能力。
缺点：识别率较低（实测约 85%），唤醒词定制复杂，开发成本较高。

考虑到工业现场和智能家居场景对识别率和成本的要求，我们最终选择了 ASRPRO 作为语音识别模块。

ASRPRO 通过 UART 接口与 STM32 通信，以下是连接示意图：

ASRPRO TX ----> STM32 RX (PA10)
ASRPRO RX ----> STM32 TX (PA9)
ASRPRO GND ---> STM32 GND

DHT11 通过单总线协议与 STM32 通信，以下是信号采集电路设计：

DHT11 DATA ----> STM32 PA0 (上拉电阻 4.7KΩ)
DHT11 VCC ----> 3.3V
DHT11 GND ----> GND

以下是 DHT11 数据采集的代码片段，包含 CRC 校验：

// DHT11 初始化
void DHT11_Init(void) {GPIO_InitTypeDef GPIO_InitStruct = {0};
    __HAL_RCC_GPIOA_CLK_ENABLE();
    GPIO_InitStruct.Pin = GPIO_PIN_0;
    GPIO_InitStruct.Mode = GPIO_MODE_OUTPUT_OD;
    GPIO_InitStruct.Pull = GPIO_NOPULL;
    GPIO_InitStruct.Speed = GPIO_SPEED_FREQ_LOW;
    HAL_GPIO_Init(GPIOA, &GPIO_InitStruct);
    HAL_GPIO_WritePin(GPIOA, GPIO_PIN_0, GPIO_PIN_SET);
}

// 读取 DHT11 数据
uint8_t DHT11_ReadData(uint8_t *temperature, uint8_t *humidity) {uint8_t data[5] = {0};
    uint8_t i, j;

    // 发送开始信号
    HAL_GPIO_WritePin(GPIOA, GPIO_PIN_0, GPIO_PIN_RESET);
    HAL_Delay(18);
    HAL_GPIO_WritePin(GPIOA, GPIO_PIN_0, GPIO_PIN_SET);
    delay_us(20);

    // 等待 DHT11 响应
    GPIO_InitStruct.Mode = GPIO_MODE_INPUT;
    HAL_GPIO_Init(GPIOA, &GPIO_InitStruct);
    while (HAL_GPIO_ReadPin(GPIOA, GPIO_PIN_0) == GPIO_PIN_SET);
    while (HAL_GPIO_ReadPin(GPIOA, GPIO_PIN_0) == GPIO_PIN_RESET);
    while (HAL_GPIO_ReadPin(GPIOA, GPIO_PIN_0) == GPIO_PIN_SET);

    // 读取数据
    for (i = 0; i < 5; i++) {for (j = 0; j < 8; j++) {while (HAL_GPIO_ReadPin(GPIOA, GPIO_PIN_0) == GPIO_PIN_RESET);
            delay_us(30);
            if (HAL_GPIO_ReadPin(GPIOA, GPIO_PIN_0) == GPIO_PIN_SET) {data[i] |= (1 << (7 - j));
                while (HAL_GPIO_ReadPin(GPIOA, GPIO_PIN_0) == GPIO_PIN_SET);
            }
        }
    }

    // CRC 校验
    if (data[4] == (data[0] + data[1] + data[2] + data[3])) {*humidity = data[0];
        *temperature = data[2];
        return 1;
    }
    return 0;
}

ASRPRO 通过语音指令树配置实现语音识别，以下是示例配置：

{
  "commands": [
    {
      "name": "query_temperature",
      "keywords": ["当前温度", "温度多少"],
      "response": "当前温度为 ${temperature}摄氏度"
    },
    {
      "name": "query_humidity",
      "keywords": ["当前湿度", "湿度多少"],
      "response": "当前湿度为 ${humidity}%"
    }
  ],
  "settings": {
    "wakeup_word": "小助手",
    "noise_filter": "medium",
    "response_delay": 100
  }
}

我们在不同波特率下测试了语音指令的识别成功率，结果如下：

9600bps：识别延迟≤300ms，成功率 90%
115200bps：识别延迟≤200ms，成功率 95%
230400bps：识别延迟≤150ms，成功率 93%

综合考虑延迟和稳定性，我们最终选择了 115200bps 作为通信波特率。

在 FreeRTOS 环境下，我们测试了不同堆栈大小对系统稳定性的影响：

512 字节：偶尔出现栈溢出，系统不稳定
1024 字节：系统运行稳定，无明显问题
2048 字节：系统运行稳定，但资源占用较高

因此，我们建议将任务堆栈大小设置为 1024 字节。

为了解决 UART 数据包粘包问题，我们实现了一个环形缓冲区：

#define BUFFER_SIZE 256

typedef struct {uint8_t buffer[BUFFER_SIZE];
    uint16_t head;
    uint16_t tail;
} CircularBuffer;

void CircularBuffer_Init(CircularBuffer *cb) {
    cb->head = 0;
    cb->tail = 0;
}

uint8_t CircularBuffer_Write(CircularBuffer *cb, uint8_t data) {uint16_t next = (cb->head + 1) % BUFFER_SIZE;
    if (next == cb->tail) {return 0; // 缓冲区已满}
    cb->buffer[cb->head] = data;
    cb->head = next;
    return 1;
}

uint8_t CircularBuffer_Read(CircularBuffer *cb, uint8_t *data) {if (cb->head == cb->tail) {return 0; // 缓冲区为空}
    *data = cb->buffer[cb->tail];
    cb->tail = (cb->tail + 1) % BUFFER_SIZE;
    return 1;
}

ASRPRO 对环境噪声较为敏感，我们通过以下方法减少误触发：