Ứng dụng nền tảng nhúng Beagleboard C4 trong điều khiển thiết bị bằng tiếng nói Tiếng Việt

Về mặt kỹ thuật, tiếng nói là tín hiệu phức tạp và

có dư thừa thông tin. Để hệ thống nhận dạng tiếng nói

hoạt động hiệu quả, các thông tin đặc trưng cần phải

được trích ra từ tín hiệu tiếng nói. Quá trình này tạo ra

một chuỗi các vector tham số, thường là các đặc trưng

về phổ. Bộ trích chọn thông số đặc trưng bao gồm các

hoạt động: số hoá, lọc tăng cường, phân chia tín hiệu

thành các khung (20-30ms), nhân với hàm cửa sổ để

giảm hiệu ứng không liên tục ở đầu và cuối khung tín

hiệu, tính toán các thông số đặc trưng, [1] Hiện nay

kiểu vector đặc trưng MFCC (Mel-frequency cepstrum

coefficients) được sử dụng nhiều trong các hệ thống

nhận dạng, đặc biệt cho các ứng dụng di động [2]. Bên

cạnh đó để giảm lượng tính toán, vector đặc trưng có

thể được lượng tử hóa sử dụng các kỹ thuật lượng tử

hóa vector [3].

Một hướng tiếp cận khác với bài toán nhận dạng

tiếng nói là sử dụng phương pháp quy hoạch động

theo thời gian (DTW - dynamic time warping), hay

còn biết đến là thuật toán lập trình động. Phương pháp

này được sử dụng để đo sự sai khác của hai mẫu tín

hiệu tiếng nói, và thường được áp dụng cho các hệ

thống nhận dạng từ rời rạc hoặc từ ghép [4], phù hợp

cho hệ thống nhận dạng với số lượng từ nhỏ và phụ

thuộc người nói [3].

pdf 9 trang kimcuc 16060
Bạn đang xem tài liệu "Ứng dụng nền tảng nhúng Beagleboard C4 trong điều khiển thiết bị bằng tiếng nói Tiếng Việt", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Ứng dụng nền tảng nhúng Beagleboard C4 trong điều khiển thiết bị bằng tiếng nói Tiếng Việt

Ứng dụng nền tảng nhúng Beagleboard C4 trong điều khiển thiết bị bằng tiếng nói Tiếng Việt
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 5 -
Abstract: In this paper, a device control system 
using voice recognition developed for the embedded 
platform Beagleboard C4 is introduced. The system is 
able to recognize voice commands in Vietnamese 
obtained via a microphone, then realizes the 
corresponding control tasks. Two applications are 
taken into experiment are a six-legged spider-like 
robot, and a fan. The whole system including voice 
capturing, voice recognition, and device control 
modules are developed on a single board, which is 
limited in size, resources as well as computing power. 
I. GIỚI THIỆU 
Trong bài báo này, việc nhận dạng âm thanh được 
ứng dụng để xây dựng hệ thống điều khiển thiết bị 
bằng tiếng nói tiếng Việt. Dựa vào các tín hiệu âm 
thanh thu được, hệ thống nhận dạng sẽ nhận dạng câu 
lệnh của người điều khiển. Chương trình điều khiển 
sau khi tiếp nhận lệnh sẽ thực hiện việc điều khiển 
thiết bị tương ứng với câu lệnh được đọc. 
Về mặt kỹ thuật, tiếng nói là tín hiệu phức tạp và 
có dư thừa thông tin. Để hệ thống nhận dạng tiếng nói 
hoạt động hiệu quả, các thông tin đặc trưng cần phải 
được trích ra từ tín hiệu tiếng nói. Quá trình này tạo ra 
một chuỗi các vector tham số, thường là các đặc trưng 
về phổ. Bộ trích chọn thông số đặc trưng bao gồm các 
hoạt động: số hoá, lọc tăng cường, phân chia tín hiệu 
thành các khung (20-30ms), nhân với hàm cửa sổ để 
giảm hiệu ứng không liên tục ở đầu và cuối khung tín 
hiệu, tính toán các thông số đặc trưng, [1] Hiện nay 
kiểu vector đặc trưng MFCC (Mel-frequency cepstrum 
coefficients) được sử dụng nhiều trong các hệ thống 
nhận dạng, đặc biệt cho các ứng dụng di động [2]. Bên 
cạnh đó để giảm lượng tính toán, vector đặc trưng có 
thể được lượng tử hóa sử dụng các kỹ thuật lượng tử 
hóa vector [3]. 
Một hướng tiếp cận khác với bài toán nhận dạng 
tiếng nói là sử dụng phương pháp quy hoạch động 
theo thời gian (DTW - dynamic time warping), hay 
còn biết đến là thuật toán lập trình động. Phương pháp 
này được sử dụng để đo sự sai khác của hai mẫu tín 
hiệu tiếng nói, và thường được áp dụng cho các hệ 
thống nhận dạng từ rời rạc hoặc từ ghép [4], phù hợp 
cho hệ thống nhận dạng với số lượng từ nhỏ và phụ 
thuộc người nói [3]. 
Bên cạnh đó, mô hình chuỗi Markov ẩn (HMM - 
hidden Markov model) cũng được sử dụng phổ biến. 
Đây là mô hình thống kê được áp dụng trong nhận 
dạng tiếng nói từ những năm 1980. Hiện nay kỹ thuật 
HMM được sử dụng rộng rãi trong các hệ thống nhận 
dạng tiếng nói [5] và là HMM bậc 1. Tiếng nói có thể 
coi là tín hiệu ngẫu nhiên, do cùng một từ nhưng mọi 
người phát âm tạo ra tín hiệu khác nhau. Ngay bản 
thân một người khi phát âm một từ cũng tạo ra tín hiệu 
khác nhau. Với phương pháp DTW, hệ thống cần lưu 
trữ các mẫu thể hiện của tiếng nói cần nhận dạng. 
Điều này đòi hỏi số lượng mẫu lưu trữ lớn. Phương 
pháp này sẽ không hiệu quả khi số lượng từ cần nhận 
dạng lớn và tập người nói nhiều (cho ứng dụng độc lập 
người nói). Trong trường hợp này sử dụng HMM sẽ 
hiệu quả hơn, cho phép mô hình hóa một tập các thể 
hiện của một mẫu tiếng nói bằng một mô hình. 
Trong nghiên cứu được mô tả trong bài báo này, 
các mô-đun nhận dạng và điều khiển đều được xây 
Ứng dụng nền tảng nhúng Beagleboard C4 trong 
điều khiển thiết bị bằng tiếng nói tiếng Việt 
Application of Beagleboard C4 Platform in Controlling Devices using Vietnamese 
Voice Recognition System 
Đào Trung Kiên, Phạm Thị Ngọc Yến và Nguyễn Thị Lan Hương 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 6 -
dựng tích hợp trên một máy tính nhúng đơn 
Beagleboard C4. Hai ứng dụng thử nghiệm hệ thống 
được giới thiệu là robot nhện sáu chân, và quạt điều 
khiển bằng tiếng nói. Kết quả thử nghiệm cho thấy hệ 
thống hoạt động tốt, cho kết quả nhận lệnh chính xác 
và thời gian đáp ứng lệnh ngắn. 
Các phần tiếp theo của bài báo được trình bày như 
sau. Cấu trúc tổng thể của hệ thống được giới thiệu 
trong Phần II. Tiếp theo, trong Phần III và Phần IV, 
hai ứng dụng điều khiển robot và quạt được trình bày. 
Cuối cùng, các kết quả thử nghiệm và đánh giá được 
phân tích và thảo luận trong Phần V. 
II. CẤU TRÚC HỆ THỐNG VÀ HOẠT ĐỘNG 
Trong nghiên cứu này, nền tảng Beagleboard C4 
được sử dụng để thu nhận, xử lý âm thanh và điều 
khiển. Đây là bo mạch nhúng đơn nguồn điệp áp thấp 
(một chiều 5V) sản xuất bởi hãng Texas Instruments 
và Digi-Key, được trang bị bộ vi xử lý OMAP3530 
(nhân ARM Cortex-A8 tốc độ 720 MHz), kèm theo 
một số cổng vào/ra chuẩn phổ biến: USB, JTAG, 
HDMI, SD/MMC, vào/ra audio, RS-232 và một cổng 
vào/ra mở rộng gồm 28 chân. Để có thể tương tác với 
hệ thống, hệ điều hành Ubuntu 10.10 phiên bản nhúng 
được cài đặt trên một thẻ nhớ SD. Đây là một phiên 
bản của Linux, hệ điều hành mã nguồn mở miễn phí. 
Chương trình cần xây dựng chạy trên hệ thống này 
được chia thành hai phần chính: (1) thu nhận và nhận 
dạng tín hiệu âm thanh từ microphone, và (2) điều 
khiển thiết bị ngoài qua các chân mở rộng của 
Beagleboard. Ngoài ra hệ thống cũng có khả năng thể 
hiện phản hồi với người dùng qua loa ngoài (tuỳ 
chọn). Nhờ khả năng lập trình dễ dàng, sử dụng hệ 
thống mã nguồn mở, khả năng kết nối và giao tiếp 
mạnh mẽ với các thiết bị ngoại vi, Beagleboard cho 
phép triển khai được các hệ thống điều khiển phức tạp 
mà tiêu thụ rất ít điện năng. Ngoài ra, bộ điều khiển có 
thể được thiết kế nhỏ gọn vì Beagleboard chỉ có kích 
thước 7,5×7,5cm2. 
Hệ thống nhận các lệnh điều khiển từ microphone, 
và đưa đến bộ vi xử lý trung tâm để thực hiện quá 
trình nhận dạng lệnh điều khiển. Do việc tương tác 
giữa người và hệ thống được thực hiện trong môi 
trường bình thường (có nhiễu), nên để đảm bảo độ 
chính xác nhận dạng, tín hiệu tiếng nói từ microphone 
có thể cần đưa qua khâu lọc số để xử lý một phần 
nhiễu sau đó mới đưa vào bộ xử lý trung tâm. Bộ xử lý 
trung tâm sẽ thực hiện các công việc như nâng cao 
chất lượng tiếng nói (giải nhiễu), nhận dạng từ điều 
khiển, phân tích và thực hiện lệnh điều khiển, đưa ra 
phản hồi của hệ thống với người sử dụng thông qua 
tương tác bằng tiếng nói. Ngoài ra hệ thống cũng có 
khả năng điều khiển các thiết bị ngoại vi, trao đổi 
thông tin với hệ thống khác thông qua cổng vào/ra 
hoặc cổng truyền tin. 
Có thể nói, với những yêu cầu và công việc cần 
thực hiện, khối xử lý trung tâm là “bộ não” của hệ 
thống nhúng tương tác bằng tiếng nói. Việc lựa chọn 
nền tảng phần cứng và phần mềm cho hệ thống nhúng 
tương tác bằng tiếng nói cần được xem xét cho từng 
ứng dụng cụ thể, đặc biệt cần chú ý đến các yếu tố ảnh 
hưởng như: 
- Số từ cần nhận dạng của ứng dụng (quyết định 
dung lượng bộ nhớ khối xử lý trung tâm), 
- Môi trường làm việc của hệ thống (xem xét sự ảnh 
hưởng của nhiễu môi trường (nhiều hay ít, tỉ số tín 
hiệu trên nhiễu) lên kết quả nhận dạng của hệ 
thống), 
- Tính thời gian thực (quyết định khả năng tính toán 
của khối xử lý trung tâm). 
Hiện nay, các hãng sản xuất cũng đưa ra các dòng 
sản phẩm chuyên biệt phục vụ cho các ứng dụng của 
công nghệ xử lý tiếng nói như các DSP dấu phẩy động 
cho các hệ thống tổng hợp hay nhận dạng. Dung lượng 
các bộ nhớ ROM, RAM cũng được tăng đáng kể nên 
các ứng dụng có thể mở rộng hơn. 
Hình 1 biểu diễn sơ đồ khối các mô-đun phần cứng 
cơ bản trong hệ thống nhúng trong các thiết bị giao 
tiếp (tương tác) bằng tiếng nói. Hệ thống nhận các 
lệnh điều khiển từ microphone, và đưa đến bộ xử lý 
trung tâm để thực hiện quá trình nhận dạng lệnh điều 
khiển. Hệ thống bao gồm các khối chức năng như sau: 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 7 -
ADC
Lọc
số
Bộ xử lý
Bộ nhớ
DAC
Timer
Cổng
Vào/Ra
Truyền
tin
Nguồn
Lọc
PWM
Khuếch
đại micro-
phone
Hình 1. Sơ đồ khối các mô-đun phần cứng hệ thống 
nhúng cho giao tiếp bằng tiếng nói 
- Mô-đun giao tiếp người-máy: Hệ thống tương tác 
người-máy vận hành theo cơ chế hướng sự kiện có 
thể sử dụng ngắt cứng hoặc ngắt mềm, hoặc quét 
theo một chu kì nhất định. Việc nhận dạng được 
thực hiện liên tục, trong trường hợp chưa bắt đầu 
đối thoại, nếu đã bắt đầu đối thoại, hệ thống có thể 
cho phép/không cho phép nhận dạng để đảm bảo 
hạn chế nhận dạng nhầm do nhiễu môi trường. Mặt 
khác, tùy vào quá trình, trạng thái của thiết bị, tập 
lệnh nhận được sẽ bị hạn chế để tránh các hậu quả 
do nhận dạng nhầm dẫn đến điều khiển sai quá 
trình. 
- Mô-đun nhận dạng: Vấn đề nhận dạng tiếng nói có 
thể được xem như là vấn đề phân loại mang tính 
thống kê (các lớp khác nhau), giống như hình thức 
nhận dạng mẫu cổ điển. Một lớp được định nghĩa 
là một tập các từ cho phép trong một từ điển đóng. 
Một tham số cho tín hiệu tiếng nói được chọn (như 
chuỗi các vector đặc trưng âm học), và một xác 
suất điều kiện MAP (Maximum a Posteriori). 
- Mô-đun tổng hợp tiếng: Mô-đun nhận đầu vào là 
đoạn văn bản cần tổng hợp và tạo ra ở đầu ra là tín 
hiệu tiếng nói. Để có thể xử lý được đoạn văn bản 
đầu vào, chương trình sẽ cần phải có mô-đun phân 
tích văn bản. Vì mô-đun tổng hợp được phát triển 
trên ứng dụng nhúng, không cần phải đưa vào một 
văn bản, mà văn bản sẽ được đưa ra dưới dạng đã 
cấu trúc, do đó với mô-đun được xây dựng này đầu 
vào sẽ không phải là đoạn văn bản cần tổng hợp mà 
sẽ là file phân tích văn bản. Tệp tin này có được 
nhờ sử dụng mô-đun phân tích văn bản của mô-đun 
tổng hợp tiếng được phát triển trên PC. 
- Mô-đun truyền tin: Căn cứ trên hệ thống thiết bị xử 
lý trung tâm của sản phẩm nhúng ta có thể sử dụng 
các cổng tryền tin theo mô thông qua bộ mã hóa tín 
hiệu (codec), qua cổng truyển tin USB hoặc cổng 
UART. 
Sơ đồ điều khiển thiết bị bằng tiếng nói được giới 
thiệu khái quát như trong Hình 2. Việc điều khiển 
được thực hiện bởi hai mô-đun chạy song song. Mô-
đun thứ nhất dùng để điều khiển thiết bị trong khi mô-
đun thứ hai dùng để nhận dạng tiếng nói xác định lệnh 
điều khiển. Hai mô-đun này trao đổi thông tin với 
nhau thông qua cờ_nghe, cờ_dừng_nghe và tệp tin 
result.txt. Hai biến cờ_nghe và cờ_dừng_nghe là hai 
biến kiểu boolean có giá trị đúng hoặc sai để xác định 
sự kiện bắt đầu và kết thúc quá trình lắng nghe lệnh 
điều khiển. Kết quả nhận dạng được lưu vào tệp tin 
result.txt để chương trình điều khiển thiết bị đọc lệnh 
điều khiển và cho phép chương trình nhận dạng tiếp 
tục thu âm và thực hiện việc nhận dạng đồng thời thực 
hiện lệnh điều khiển. 
Hình 2. Sơ đồ thuật toán điều khiển 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 8 -
III. ỨNG DỤNG ĐIỀU KHIỂN ROBOT NHỆN 
SÁU CHÂN 
Việc sử dụng robot làm thay con người trong 
những môi trường có điều kiện khắc nghiệt, độc hại, 
nguy hiểm đã và đang là một xu hướng nổi trội trong 
lĩnh vực tự động hóa. Với việc điều khiển trực tiếp 
robot bằng tiếng nói, ứng dụng này đưa ra khả năng 
tích hợp năng lực phân tích, quan sát và trí thông minh 
của con người vào robot để thực hiện những tác vụ 
phức tạp. Việc điều khiển robot bằng tiếng nói cũng 
giúp cung cấp cho người dùng một phương thức giao 
tiếp dễ dàng và thuận tiện. 
Hình 3. Robot nhện sáu chân lắp ráp từ bộ kit Bioloid 
Bảng 1 Các đặc tính của động cơ AX-12 
Đặc tính Đơn vị đo 
Điện áp 7V ÷ 10V (lý tưởng 9,6V) 
Góc hoạt động 300° 
Dòng cực đại 900mA 
Tỷ lệ bánh răng 1/254 
Lực giữ tối đa 12 (7V) ÷ 16,5kgf.cm (10V) 
Vận tốc cực đại 223°/s (7V) ÷ 306°/s (10V) 
Góc quay cực tiểu 0,35° 
Khối lượng 55g 
Thông tin phản 
hồi 
Nhiệt độ, điện áp, tải, vị 
trí, 
Bảng 2 Các đặc tính của cảm biến AX-S1 
Đặc tính Đơn vị đo 
Điện áp 7V ÷ 10V (lý tưởng 9,6V) 
Dòng điện cung cấp 40mA 
Độ phân giải 10 bit (1024 giá trị) 
Khối lượng 37g 
Thông tin phản hồi Nhiệt độ, điện áp, 
Trong ứng dụng này, mô hình robot nhện sáu chân 
được lựa chọn để điều khiển cho phép ứng dụng trong 
những môi trường mấp mô, có nhiều vật cản nhỏ. Mô 
hình robot nhện sáu chân được lắp ráp từ bộ kit 
Bioloid [6] của hãng Robotis như trong 0. Robot nhện 
sáu chân này được tích hợp với hệ thống nhận dạng 
tiếng nói cài đặt trên hệ thống nhúng giúp cho việc xây 
dựng các ứng dụng điều khiển bằng tiếng nói được 
tích hợp gói gọn. 
Việc lắp đặt robot nhện sáu chân được thực hiện 
với 18 động cơ AX-12, một cảm biến AX-S1, và một 
hộp điều khiển. Tất cả các thiết bị này và các chi tiết 
cơ khí lắp ráp được lấy từ bộ kit Bioloid. Mỗi chân 
của robot có 3 động cơ AX-12 tương ứng với 3 bậc tự 
do của chân nhện. Các đặc tính kỹ thuật của động cơ 
AX-12 và cảm biến AX-S1 được giới thiệu trong Bảng 
1 và Bảng 2. Động cơ AX-12 thực tế là một mô-đun 
đóng gói bao gồm cả bộ bánh răng và mạch điều khiển 
ở bên trong. Do đó, động cơ AX-12 có thể sử dụng 
một cách dễ dàng trong các mô-đun lắp ghép mà 
không cần thêm mạch điều khiển công suất nào. AX-
12 còn là một động cơ thông minh có thể phản hồi các 
thông tin về điều kiện làm việc hiện tại của động cơ 
như: điện áp, nhiệt độ, tải, Khi lắp ráp cho robot 
nhện, các động cơ AX-12 được ghép nối tiếp với nhau 
và việc điều khiển từng động cơ được xác định nhờ 
vào ID quy định cho mỗi động cơ. 
Việc điều khiển robot di chuyển được dựa trên 
nguyên lý di chuyển tam giác thay đổi. Với cách đi 
này, sáu chân của robot nhện được chia thành hai 
nhóm xen kẽ và di chuyển lệch pha nhau. Ở mỗi pha 
di chuyển, ba chân thuộc nhóm này nhấc khỏi nền thì 
ba chân của nhóm khác chạm nền để tạo thành một 
tam giác vững chắc và cân bằng nâng đỡ toàn bộ 
robot. Hai nhóm chân này sẽ luân phiên nhấc lên và 
tiếp đất để tạo nên bước đi nhịp nhàng cho robot. 
Trong bài toán điều khiển robot nhện được giới 
thiệu bài báo này, các bước di chuyển được xây dựng 
bao gồm: tiến về trước, lùi ra sau, quay trái, và quay 
phải. Mỗi bước di chuyển được chia thành bốn pha 
nhỏ với sự thay đổi góc quay luân phiên của các nhóm 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 9 -
bộ ba chân nhện. Về cơ bản, bước di chuyển lùi ra sau 
sẽ bao gồm các pha như trong di chuyển tiến về trước 
nhưng với thứ tự của các pha được đảo ngược và các 
động cơ quay theo chiều ngược lại. Tương tự như vậy, 
quay phải sẽ bao gồm các pha di chuyển của quay trái 
với thứ tự ngược lại của mỗi pha và chiều quay đảo 
ngược của mỗi động cơ. 
Để di chuyển tiến về trước, bộ ba chân nhện trong 
nhóm thứ nhất nhấc lên khỏi mặt đất trong pha thứ 
nhất. Trong pha thứ hai, bộ ba chân nhện thứ hai (đang 
chạm đất) đẩy thân nhện về phía trước. Ở pha thứ ba, 
bộ ba chân nhện thứ nhất tiếp đất và bộ ba chân nhện 
thứ hai được nhấc lên. Đến pha cuối cùng, các chân 
của bộ ba thứ nhất cũng đẩy thân nhện về phía sau 
trước. Nếu được yêu cầu tiếp tục đi đến thì bộ ba chân 
thứ nhất lại nhấc lên và bộ ba chân thứ hai lại chạm 
đất như ở pha thứ nhất. Chu trình này được lặp đi lặp 
lại tạo nên di chuyển liên tục của robot tiến về trước. 
Để di chuyển quay trái, bộ ba chân thứ nhất của 
robot tiếp đất, giữ thăng bằng cho robot ở pha thứ nhất 
và thứ hai; trong khi đó, bộ ba chân thứ hai của robot 
chạm đất trong pha thứ ba và thứ tư. Ở pha thứ nhất, 
các chân của bộ ba thứ hai sẽ nhấc lên khỏi mặt đất, 
cho phép các chân của bộ ba thứ nhất tự do đẩy thân 
robot quay sang trái trong pha thứ hai. Các chân của 
bộ ba thứ nhất được điều chỉnh lại vị trí cho cân bằng 
với các chân của bộ ba thứ nhất trong pha thứ tư. Chu 
trình này khi thực hiện liên tiếp tạo nên di chuyển 
quay trái nhịp nhàng của robot. Để xác định các góc 
quay của động cơ tương ứng với các vị trí tiếp đất của 
robot trong mỗi bước đi, ta xây dựng bài toán động 
học thuận và giải bài toán động học ngược cho robot 
nhện sáu chân đã lắp ráp. 
Tương tác để điều khiển robot có thể thực hiện 
bằng tiếng nói hoặc can thiệp bằng nút nhấn ở trên hộp 
điều khiển. Để điều khiển robot bằng tiếng nói, việc 
thu thập số liệu âm thanh được thực hiện với bộ thu 
nhận tín hiệu âm thanh không dây EM 300 G2 của 
hãng Sennheiser. Các điều kiện thu nhận âm thanh 
được tuân thủ với tần số lấy mẫu 8kHz, số bit lượng tử 
hoá 16bit, và truyền tin theo chuẩn sóng radio UHF 
tần số trong khoảng 518-554MHz. 
Để tương tác điều khiển robot, người điểu khiển sẽ 
dùng tập các lệnh điều khiển được thiết kế sẵn trong 
Bảng 3. Khi nhận được một câu lệnh điều khiển trong 
tập lệnh điều khiển này, robot sẽ thực hiện tác vụ được 
định nghĩa tương ứng. 
Bảng 3 Tập lệnh điều khiển robot nhện 
Câu lệnh Tác vụ thực hiện 
tiến Robot tiến về phía trước 
robot tiến 
lùi Robot lùi lại phía sau 
robot lùi 
quay phải Robot quay sang phải 
robot quay phải 
quay trái Robot quay sang trái 
robot quay trái 
dừng Robot dừng tất cả các tác vụ 
đang thực hiện, trở về trạng 
thái sẵn sang 
robot dừng 
IV. ỨNG DỤNG ĐIỀU KHIỂN QUẠT 
Hình 4 thể hiện sơ đồ các thiết bị chính của hệ 
thống được xây dựng. Bo mạch nhúng có thể được 
cung cấp nguồn chung với quạt, hoặc dùng nguồn độc 
lập. Hai cổng audio vào/ra được nối tương ứng với 
một microphone và một loa ngoài. Để bật/tắt 3 số của 
quạt bằng chương trình, 3 rơ-le điện được sử dụng 
tương ứng thay cho các nút bấm cơ có sẵn của quạt. 
Một đầu dây của mỗi rơ-le số 1, 2, 3 được nối với một 
chân cổng mở rộng của bo mạch nhúng, tương ứng là 
các chân 18, 20, 22, và đầu dây còn lại được nối với 
chân số 28. Sơ đồ các chân mở rộng của bo mạch 
nhúng được thể hiện trong Hình 5. Ngoại trừ hai chân 
1, 2 với điện thế cố định, 27, 28 nối đất, và 25, 26 
tương ứng với với RESET và REGEN, thì các chân 
đánh số nằm trong khoảng từ 3 đến 24 có thể được lập 
trình để điều khiển. Mỗi chân này có thể được điều 
khiển để xác lập ở một trong hai mức điện áp 0 hoặc 
1.8V. 
Hình 6 thể hiện sơ đồ điều khiển của hệ thống. Tín 
hiệu âm thanh từ người dùng sau khi được thu từ 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 10 -
microphone sẽ được xử lý và nhận dạng thành câu 
lệnh. Tương ứng với mỗi câu lệnh, chương trình chạy 
trên bo mạch nhúng sẽ điều khiển bật/tắt các rơ-le 
tương ứng để tăng/giảm hoặc bật/tắt quạt, đồng thời 
thể hiện phản hồi với người dùng qua loa (nếu được 
nối). 
Chiếc quạt được điều khiển có ba chế độ chạy 1, 2, 
3 lần lượt từ thấp đến cao. Ba rơ-le điện có đầu vào 
5V được thiết lập tương ứng với ba chế độ này. Tại 
một thời điểm, sẽ chỉ có duy nhất một rơ-le được bật 
tương ứng với chế độ chạy của quạt, hoặc không có 
rơ-le nào bật nếu quạt đang tắt. Các câu lệnh được 
thiết kế như trong Bảng 4. 
Hình 4. Sơ đồ thiết bị hệ thống điều khiển quạt 
Hình 5. Các chân cổng mở rộng của bo mạch nhúng 
Beagleboard C4 
Hình 6. Sơ đồ điều khiển quạt bằng tiếng nói 
Bảng 4. Tập lệnh điều khiển quạt 
Câu lệnh Tác vụ thực hiện 
quạt số một Bật quạt số 1: bật rơ-le số 1 và tắt 
các rơ-le còn lại nếu đang bật. 
quạt số hai Bật quạt số 2: bật rơ-le số 2 và tắt 
các rơ-le còn lại nếu đang bật. 
quạt số ba Bật quạt số 3: bật rơ-le số 3 và tắt 
các rơ-le còn lại nếu đang bật. 
quạt tắt Tắt quạt: tắt hết các rơ-le. 
Bảng 5. Mã GPIO của các chân cổng mở rộng 
Chân GPIO Chân GPIO 
4 140 3 139 
6 142 5 138 
8 143 7 137 
10 141 9 136 
12 158 11 135 
14 162 13 134 
16 161 15 133 
18 159 17 132 
20 156 19 131 
22 157 21 130 
24 168 23 183 
Hiệu điện thế các chân cổng mở rộng điều khiển 
được của Beagleboard được thiết lập ở điện áp 1.8V 
khi bật, và được kích lên 5V ở đầu ra để điều khiển rơ-
le. Cổng mở rộng của bo mạch nhúng là các chân 
GPIO (general purpose input/output), mỗi chân tương 
ứng với một số GPIO được cho trong Bảng 5. Việc 
điều khiển trên Ubuntu đã được thiết lập trên hệ thống 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 11 -
tệp giả lập tại đường dẫn /sys/class/gpio, với trình tự 
như sau: 
- Ghi giá trị N vào tệp tin giả lập /sys/class/gpio/ 
export để giữ quyền điều khiển một chân có GPIO 
là N. Nếu thành công (khi chân đó chưa bị giữ bởi 
một chương trình nào khác), hệ thống sẽ tạo ra một 
thư mục giả lập /sys/class/gpio/gpioN bao gồm các 
tệp tin device, power, uevent, direction, subsystem, 
và value. 
- Ghi giá trị N vào tệp tin giả lập /sys/class/gpio/ 
unexport khi muốn giải phóng quyền điều khiển. 
Thư mục giả lập /sys/class/gpio/gpioN và các tệp 
tin bên trong sẽ bị xoá. 
- Ghi chuỗi low vào tệp tin giả lập /sys/class/gpio/ 
gpioN/direction khi muốn thiết lập điện thế của 
chân về mức thấp (0V). 
- Ghi chuỗi high vào tệp tin giả lập /sys/class/gpio/ 
gpioN/direction khi muốn thiết lập điện thế của 
chân về mức cao (1.8V). 
- Để đọc tín hiệu vào từ chân, trước hết cần ghi 
chuỗi in vào tệp tin giả lập /sys/class/gpio/gpioN/ 
direction, sau đó đọc tín hiệu từ tệp tin giả lập 
/sys/class/gpio/gpioN/value. 
Việc đọc/ghi vào các tệp tin giả lập tương tự như 
các tệp tin trên đĩa thông thường, có thể được thực 
hiện trên các ngôn ngữ lập trình, hay qua các lệnh 
shell của Linux. 
Dùng chương trình lập trình sẵn trên bo mạch 
nhúng để điều khiển bật/tắt các rơ-le điện thay vì bấm 
trực tiếp các nút số của quạt thông thường. Người 
dùng ra lệnh cho chương trình bằng cách nói một 
trong các câu lệnh có sẵn vào microphone, như đã mô 
tả ở trên. Việc thu thập số liệu âm thanh được thực 
hiện với bộ thu nhận tín hiệu âm thanh không dây 
EM300G2 của hãng Sennheiser. Điều kiện thu nhận 
âm thanh được thiết lập với tần số lấy mẫu 8kHz, số 
bit của mẫu 16, truyền tin bằng sóng radio UHF tần số 
trong khoảng 518-554MHz. 
V. CHỈ TIÊU KỸ THUẬT VÀ KẾT QUẢ THỬ 
NGHIỆM, ĐÁNH GIÁ 
Hệ thống được kiểm chuẩn trong phòng ít nhiễu, hệ 
thống nhận dạng không phụ thuộc vào thông số môi 
trường như nhiệt độ, độ ẩm. Thiết bị được kiểm định 
với 12 người. Do đặc thù về sự thay đổi giọng nói của 
mỗi người, người thử nghiệm được lựa chọn là người 
có phương ngữ chuẩn miền Bắc, độ tuổi từ 20 đến 60 
tuổi. Người kiểm tra không nằm trong bộ cơ sở dữ liệu 
để luyện hệ thống. 
Đối với câu thử nghiệm, mỗi câu được đọc 10 lần 
với tốc độ nói bình thường. Căn cứ hướng dẫn đánh 
giá và trình bày độ không đảm bảo đo ĐLVN 
131:2004. Sai số của thiết bị được đánh giá thông qua 
tỉ lệ sai tổng hợp của nhóm người kiểm tra. Tỉ lệ sai 
của mỗi người được tính theo công thức: 
 i s totalN Nγ = (1) 
trong đó iγ là sai số thử của người thứ i, sN là số lần 
sai (không phân biệt câu/từ điều khiển), và totalN là 
tổng số lần thử. 
Sai số của thiết bị được đánh giá theo công thức sai 
số bình quân quân phương (ước lượng phương sai) của 
nhóm người thử nghiệm: 
2
1
( 1)
N
tbi st i
i
t N Nγ γ
=
= −∑ (2) 
trong đó tbiγ là sai số thử nghiệm của thiết bị thứ i, N 
là số thử nghiệm, và stt là hệ số student ( 1,80stt = với 
mức tin cậy 90%, số bậc tự do 12 1 11− = ). 
Các bước tiến hành theo trình tự như sau: 
- Bước 1: Kiểm tra hoạt động kết nối của hệ thống 
với các phần tử điều khiển. 
- Bước 2: Kiểm tra hệ thống theo từng đối tượng 
điều khiển. Kết quả thử nghiệm được ghi vào bảng 
kết quả. 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 12 -
- Bước 3: Ước lượng sai số của thiết bị theo công 
thức (1) và (2). 
Bảng 6 Kết quả thử nghiệm 
Ứng dụng Sai số thử 
nghiệm (%) 
Tỉ lệ nhận dạng 
đúng (%) 
Robot nhện 5,59 93,15 
Quạt 8,33 91,67 
Cơ sở dữ liệu dùng để huấn luyện mô hình nhận 
dạng được xây dựng với tổng số 62.846 câu tiếng nói, 
tương đương với 32 giờ huấn luyện. Kết quả thử 
nghiệm với 12 người, như tổng kết trong Bảng 6, cho 
thấy tỉ lệ nhận dạng đúng là trên 90% và sai số thử 
nghiệm dưới 10% với cả hai ứng dụng robot nhện và 
quạt. Thời gian đáp ứng của việc nhận dạng là dưới 3 
giây. 
VI. KẾT LUẬN 
Bài báo này trình bày một hệ thống tương tác 
người-máy giao tiếp bằng tiếng nói cài đặt trên bo 
mạch nhúng Beagleboard C4. Do việc tương tác giữa 
người và hệ thống được thực hiện trong môi trường 
bình thường (có nhiễu), nên để đảm bảo độ chính xác 
nhận dạng, tín hiệu tiếng nói từ microphone có thể cần 
đưa qua khâu lọc số để xử lý một phần nhiễu sau đó 
mới đưa vào bộ xử lý trung tâm. Bộ xử lý trung tâm sẽ 
thực hiện các công việc như nâng cao chất lượng tiếng 
nói (giải nhiễu), nhận dạng từ điều khiển, phân tích và 
thực hiện lệnh điều khiển, đưa ra phản hồi của hệ 
thống với người sử dụng thông qua tương tác bằng 
tiếng nói. Ngoài ra hệ thống cũng có khả năng điều 
khiển các thiết bị ngoại vi, trao đổi thông tin với hệ 
thống khác thông qua cổng vào/ra hoặc cổng truyền 
tin. 
Trên cơ sở phân tích các yêu cầu, tính năng kỹ 
thuật chủ yếu của hệ tương tác, một nền tảng phần 
cứng và phần mềm cho hệ thống nhúng đã được xem 
xét và lựa chọn cho từng ứng dụng cụ thể. Hai sản 
phẩm ứng dụng là robot nhện và quạt điều khiển bằng 
tiếng nói đã được phân tích, thiết kế hệ thống điều 
khiển, và triển khai phương pháp tương tác bằng tiếng 
nói. Với mỗi sản phẩm ứng dụng, báo cáo cũng đã đưa 
ra phương pháp đánh giá chất lượng và độ tin cậy điều 
khiển. Kết quả cho thấy hệ thống tương tác giao tiếp 
người máy bằng tiếng nói trên hệ thống nhúng đã đáp 
ứng tốt các yêu cầu đặt ra. 
LỜI CẢM ƠN 
Công trình trình bày trong bài báo nằm trong 
khuôn khổ của Đề tài NCKH trọng điểm cấp nhà nước 
mã số KC.03.15/06-10 mang tên “Nghiên cứu thiết kế 
chế tạo các thiết bị và hệ thống tự động hoá thông 
minh sử dụng tương tác người-máy bằng tiếng nói 
trong điều khiển”. 
TÀI LIỆU THAM KHẢO 
[1] Picone, J.W., Signal modeling techniques in speech 
recognition, Proceedings of the IEEE, 81(9), 1215-
1247, 1993. 
[2] Speech Processing, Transmission and Quality Aspects 
(STQ); Distributed speech recognition; Front-end 
feature extraction algorithm; Compression algorithms, 
ETSI ES 201 108. 
[3] Huang, X., Spoken Language Processing: a Guide to 
Theory, Algorithm, and System Development. Upper 
Saddle River NJ: Prentice Hall PTR, 2001. 
[4] Rabiner, L., Schmidt, C., Application of dynamic 
time warping to connected digit recognition, IEEE 
Transactions on Acoustics, Speech, and Signal 
Processing, 28(4), 377-388, 1980. 
[5] Benesty, J., Springer Handbook of Speech 
Processing. Springer, 2008. 
[6] Thai, C.N., Paulishen, M., Using Robotis Bioloid 
systems for instructional robotics, Proceedings of IEEE 
Southeastcon, 300-306, 2011. 
Nhận bài ngày: 29/11/2011 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 9 (29), tháng 6/2013 
 - 13 -
SƠ LƯỢC VỀ CÁC TÁC GIẢ 
 ĐÀO TRUNG KIÊN 
Sinh năm 1981 tại Vĩnh Phúc 
Tốt nghiệp đại học năm 2003 
tại Đại học Cergy-Pontoise 
(Pháp), thạc sĩ năm 2005 tại Đại 
học Paris 6 (Pháp) về CNTT và 
nhận bằng tiến sĩ năm 2010 tại 
Đại học Dayeh (Đài Loan) về 
cơ khí và tự động hoá. 
Hiện công tác tại Viện nghiên cứu MICA, Đại học 
Bách khoa Hà Nội. 
Lĩnh vực nghiên cứu: môi trường tương tác và cảm 
thụ, hệ thống tự động 
Điện thoại cơ quan: 0438683087, 0986128481 
Email: trung-kien.dao@mica.edu.vn 
PHẠM THỊ NGỌC YẾN 
Sinh năm 1959 
Hiện là Viện trưởng Viện 
nghiên cứu MICA, kiêm 
Trưởng Bộ môn Kỹ thuật đo 
và Tin học công nghiệp thuộc 
Viện Điện, Đại học Bách khoa 
Hà Nội. 
Lĩnh vực nghiên cứu hiện nay: 
hệ thống tự động hóa điều khiển sử dụng tương tác 
người-máy, thiết bị đo cá nhân, môi trường cảm thụ. 
Điện thoại: 0438683087 
Email: ngoc-yen.pham@mica.edu.vn 
NGUYỄN THỊ LAN HƯƠNG 
VHiện là viện phó Viện Điện, 
đồng thời tham gia nghiên cứu 
tại Viện nghiên cứu MICA, Đại 
học Bách khoa Hà Nội. 
Lĩnh vực nghiên cứu hiện nay: 
tổng hợp thiết bị đo, xử lý tín 
hiệu đặc biệt tín hiệu đo lường, 
môi trường thông minh, mạng 
cảm biến (không dây) 
Điện thoại cơ quan: 0438683087 
Email: lan-huong.nguyen@mica.edu.vn 

File đính kèm:

  • pdfung_dung_nen_tang_nhung_beagleboard_c4_trong_dieu_khien_thie.pdf