本论文设计了一款基于特定人语音识别的助残前臂机械手控制系统,用户在进行语音指令的模板训练后,便可语音控制前臂机械手实现抓取、转动、自平衡等动作,使其协助用户完成生活所需动作。针对助残前臂机械手使用对象唯一的特性,自主设计了以孤立词语音为指令的特定人语音识别模块,实现对助残机器人前臂的实时、准确控制。本语音识别模块以STM32F405为核心芯片,通过对语音信号进行采集、滤波、加窗、分帧、端点检测、特征提取、模板训练、特征匹配等一系列处理,实现对特定人的语音识别。其中,端点检测(VAD)采用基于短时平均能量和短时平均过零率的双门限法;特征提取选用12维Mel频率倒谱系数(MFCC参数)及其一阶差分参数作为特征参数;特征匹配采用改进型DTW算法。针对所用芯片内存较小、计算能力较弱的特点,着重对算法进行了优化处理。为了配合用户完成端水杯、喝水等动作,实现了助残前臂机械手的手部自平衡功能。本系统以MPU6050作为姿态测量单元,采用基于四元数的梯度下降法对传感器数据进行滤波融合,得到前臂机械手的实时姿态角,在抓取和移动水杯等运动过程中通过控制机械手的电机使手部始终与水平面保持水平,完成端水杯等自平衡动作。此外,本文助残前臂机械手在手指部安装了压力传感器,并在手腕部安装了机器视觉模块OpenMV。当手部抓取目标时,OpenMV首先对目标进行识别,主控板根据识别结果对目标的期望压力进行预值,然后结合手指部的压力传感器测量数据对抓取力度进行PID调节,实现了对易碎物体的软抓取。