您好，社区！
我希望再次摆弄微控制器并做一些有用的事情。 几乎是在我的公寓里打扰了我的目标。
如您所知，电脑桌是观看Drobyshevsky或阅读Giktayms / Green Cat等的餐桌。 在晚餐的同时。 但是有一个问题-我通常会双手忙着走出厨房，然后回来，
因为杯子被 分成 3个部分。 打开和关闭厨房中的灯（三联开关-厨房/浴室/卫生间）是肩膀，鼻子，小手指。 也就是说，无论如何都不方便，但是不可能重新布置它。 有一项任务以某种方式进行远程管理。
所有存在和通过的传感器都立即被撤消-准确性不高，所有者无法控制。 解决方案可以在声音控制，语音中找到。 我将立即说我不打算进行语音识别，这里不需要。 80年代电台曾描述过流行音乐打开的灯，但我不想这么做。 事实证明，当手忙时，免提。 详细信息在。
硬件部分。
有一块带有Atmega32的板，带有石英和外围设备
SEM0007M-32A，以及一些电子设备。
有一个麦克风和一个运算放大器。 对于输出，板上的sot32封装中有一个晶体管，还有7安培的继电器。 一切都被组装到一个名片盒中，继电器与开关并联，麦克风隐藏在插座下方。 该方案很普通，我什至没有画。 仅使用一个模拟输入和一个离散MK输出。 SEM是多余的，但现在就让它成为现实。
电路板和未组装的电线。 然后他更准确地重做了。开关本身，麦克风在拆除的插座下不可见。搜索算法。
目的：传感器必须响应一个单词，例如“
light！ »用最少的代码。
任务：在可能的噪音，敲打，点击相同的开关的背景下识别命令字。 也就是说，仅进行幅度分析是不合适的，而频谱分析表明单词中的谐波过多，并且它们当然会发生变化。 因此，有必要寻找一种简单的解决方案，但具有可接受的抗噪能力。 您可以制作几个时频滤波器，并与单词样本进行比较，但是您无需进行识别。 决定仅分析元音的存在，例如声音“ E”或“ E”。
声音是“ E”。 可见许多谐波，因此分析很困难。声音是“ A”。 频谱看起来更干净，有一个主频率。软件部分
为了知道信号的频谱成分，可以使用数字滤波器。 互联网
上有一个
很好的程序，用于构建数字FIR和IIR滤波器并计算其系数-很明显，该程序可以自动生成C代码。
但是我拒绝了数字滤波器对于可接受的滤波（4个或更多个阶），可以获得许多系数，甚至是浮点数。 这样，加上浮点数中的所有过滤器计算：
float ACoef[NCoef+1] = { 0.00000347268864059354, 0.00000000000000000000, -0.00001389075456237415, 0.00000000000000000000, 0.00002083613184356122, 0.00000000000000000000, -0.00001389075456237415, 0.00000000000000000000, 0.00000347268864059354 }; float BCoef[NCoef+1] = { 1.00000000000000000000, -7.09708794063733790000, 22.77454294680684300000, -43.03321836036351300000, 52.29813665034108500000, -41.84199842886619100000, 21.53121088556695300000, -6.52398963450972500000, 0.89383378261285684000 };
微控制器可能已经处理了，但是调试会出现问题-突破滤波器的界限并不容易-这些是要计算的新系数。
经过一些搜索，我决定在线进行单频傅立叶变换。 也就是说，经典的离散傅里叶变换是在以采样频率（1600 Hz）到达信号的每个样本时执行的，没有频率通过，只有一个频率，因此在调试过程中很容易通过RS-232对其进行配置。 结果，对128Hz的频率进行了分析。
由于样本（块）短且窗口矩形，所以频率分辨率较低，因此选择性灵敏度在114 ... 140 Hz范围内，
这是我想要获得的P滤波器。首先，您需要了解语音命令信号在哪里开始
尖叫 。 为此，首先，通过使用平滑常数为1/64的
指数平滑来计算零信号电平。 代码如下。
定时器代码的一部分，用于信号处理。 计时器频率1600 Hz信号归一化为平均值。 为了确定声强水平，还对信号的绝对值求平均值，其常数为1/16，以便对单个信号半波进行高通滤波（这是RMS的模拟，但更易于计算）。 超过此阈值水平是语音命令的开始，并且开始对5个块的135个样本（84.3 ms）进行顺序分析。
下图显示了信号，信号电平，阈值和5个块。
干扰防护
信号被分为多个块，以防止脉冲（喀嗒声或敲击声）。 如您所知，脉冲具有均匀的频率响应，也就是说，在任何频带中都将产生非零结果，并且可能会超过阈值。 但是
头发很长，但是头脑的冲动很短。 也就是说，在下一个块中将不再有脉冲，这意味着频带中的电平将低于阈值。 同时具有这一优势，短块会
降低频率
分辨率 。 因此，信号中的某些频率差仍然落入所选频率线。
频率转换
在每个块中，对一个频率f执行单频傅里叶变换。
传统上，为了加快计算速度，将sin和cos函数制成表格并缩放为-127 .. + 127。
si(ps)数组的
ps索引是根据参数sin（2 *π* f * t / T）计算得出的，当然，在同一时间段内也会发生环回。 将cos（2 *π* f * t / T）的
pc索引简单地在同一
si数组中向前推12个位置。
结果
Y-频谱线的电平是一个块期间实部和虚部的绝对值的总和。
所以以正确的方式，您需要对平方和根进行求和，但这对于8位MK来说是很糟糕的。
在同一计时器中： a_si = (long int) (a * si[ps]) >> 4;
在每个块的末尾，将
Y与阈值进行比较，计算出超过阈值的块数-触发的块。 经过实验后，发现触发块的最小数量为5分之3。
语音命令块中频谱强度的示例。 团队已经通过。三个或更多触发块被解释为正确接收的命令。 MK离散输出上的信号被反转，从而打开或关闭灯。 由于整个分析都在这些块内进行，因此在最后一个块之后没有操作延迟。
计算时间约为1600个周期，每9000个周期将调用一次计时器，因此MK的负载很低-仍有进行识别实验的空间。 或者，您可以在MK较弱的情况下提供较小尺寸的完整解决方案。
通过与VBasic上的程序通过RS-232交换必要变量（对数）来控制算法的正确性。 频率f和阈值存储在eeprom中。
结果：该传感器变得非常方便，它响应来自“
A ”的单词，例如
“ Waau ”，“ Taaam ”，“ Laite ”，“ Miaaa ”，“ Yao-Yao ” 。 音量是人类对话的常态。 “
点燃 ”这个词固执地拒绝听。 点击，敲门，台阶，倒水忽略。 现在，您可以带着满手的杯子和盘子走路））。