智能照明語音控制具有高效、節(jié)能、控制多樣化、成本低廉等優(yōu)點,在智能照明系統(tǒng)中得以迅速發(fā)展。針對智能照明系統(tǒng)聲控信號的間歇性、非一致性、非平穩(wěn)性等特點,本文采用聲紋和語音識別相關(guān)理論方法,研究智能照明聲控信號的識別算法,為智能照明與智能家居的應(yīng)用提供安全與舒適的技術(shù)方案。論文的主要工作如下:1、針對智能照明聲控信號的間歇性和非線性,通過飽和嵌入維數(shù)計算,確定語音信號時間序列最小分幀長度,對分幀后的語音信號采用短時能量和短時平均過零率雙條件進行端點檢測,從而準(zhǔn)確高效識別聲控信號。2、針對智能照明聲控信號的身份識別功能,通過對GMM-UBM模型的聲紋識別算法的改進,實現(xiàn)聲控信號的說話人的身份判定,為智能照明系統(tǒng)增加了聲紋密碼這把安全鎖,加強了智能照明系統(tǒng)的安全性。3、針對智能照明聲控信號的語義識別功能,通過基于DTW方法的語音識別算法,采用基于矢量累積距離法的搜索和匹配策略,通過與語義模板庫的最佳匹配,實現(xiàn)對智能照明聲控信號的識別和理解。4、建立規(guī)定身份的多人、多場景、多種命令的自適應(yīng)實時語音訓(xùn)練樣本庫,實現(xiàn)規(guī)定身份人對多區(qū)域燈具的多種語義進行智能語音控制,使系統(tǒng)適用性更廣。本文利用Matl... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外發(fā)展概況和研究現(xiàn)狀
        1.2.1 語音識別在智能照明中的應(yīng)用概況
        1.2.2 語音識別技術(shù)發(fā)展概況和研究現(xiàn)狀
        1.2.3 聲紋識別技術(shù)發(fā)展歷史及現(xiàn)狀
    1.3 論文的研究內(nèi)容與章節(jié)安排
        1.3.1 論文的研究內(nèi)容
        1.3.2 論文的章節(jié)安排
第二章 智能照明聲控信號識別
    2.1 智能照明語音控制系統(tǒng)功能需求分析
    2.2 智能照明聲控信號識別算法
    2.3 智能照明聲控信號預(yù)處理和特征提取
        2.3.1 語音信號的預(yù)處理
        2.3.2 特征提取算法
        2.3.3 基于MFCC的聲控信號特征提取
    2.4 本章小結(jié)
第三章 基于GMM-UBM的智能照明系統(tǒng)的聲紋識別算法
    3.1 聲紋識別技術(shù)
        3.1.1 聲紋識別的分析
        3.1.2 聲紋識別技術(shù)的分類
        3.1.3 聲紋識別技術(shù)結(jié)構(gòu)
        3.1.4 常用的聲紋識別方法
    3.2 基于GMM模型的聲紋識別
        3.2.1 GMM模型概述和原理
        3.2.2 GMM模型的參數(shù)估計
    3.3 基于GMM-UBM模型的聲紋識別
        3.3.1 GMM-UBM模型的基本原理
        3.3.2 最大后驗準(zhǔn)則算法
        3.3.3 GMM-UBM模型的對數(shù)似然比
        3.3.4 GMM-UBM模型的優(yōu)勢分析
    3.4 基于GMM-UBM模型的智能照明聲紋識別算法
        3.4.1 UBM模型訓(xùn)練
        3.4.2 聲紋身份GMM-UBM模型訓(xùn)練
        3.4.3 GMM-UBM模式匹配
    3.5 本章小結(jié)
第四章 基于DTW的智能照明系統(tǒng)的語義識別算法
    4.1 語音識別技術(shù)
        4.1.1 語音識別技術(shù)的概述
        4.1.2 語音識別技術(shù)的基本原理
        4.1.3 語音識別技術(shù)的分類
    4.2 基于DTW的智能照明語義識別算法
        4.2.1 DTW語音識別技術(shù)
        4.2.2 基于DTW的智能照明的語義識別算法
    4.3 本章小結(jié)
第五章 實驗與結(jié)果分析
    5.1 實驗條件
    5.2 實驗樣本庫
        5.2.1 聲控信號的端點實時訓(xùn)練樣本庫
        5.2.2 聲控信號的聲紋身份實時訓(xùn)練樣本庫
        5.2.3 聲控信號的語音語義實時訓(xùn)練樣本庫
    5.3 實驗內(nèi)容和結(jié)果分析
        5.3.1聲控信號的判別實驗
        5.3.2 不同特征提取方法實驗比較
        5.3.3 不同聲紋識別方法的實驗比較
        5.3.4 不同語義識別方法的實驗比較
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況


【參考文獻】：
期刊論文
[1]人工智能綜述:AI的發(fā)展[J]. 崔雍浩,商聰,陳鍶奇,郝建業(yè).  無線電通信技術(shù). 2019(03)
[2]語音識別預(yù)處理過程及其存在問題[J]. 付學(xué)桐.  科技傳播. 2019(08)
[3]關(guān)于人工智能技術(shù)在智能家居領(lǐng)域的應(yīng)用[J]. 姜權(quán)真.  中國新通信. 2019(06)
[4]智能聲紋識別系統(tǒng)與技術(shù)分析[J]. 蔣宗琎.  科技傳播. 2018(23)
[5]面向藏語聲紋識別的語料庫建設(shè)[J]. 周雁,西繞多吉.  計算機工程與科學(xué). 2018(11)
[6]卷積神經(jīng)網(wǎng)絡(luò)算法在語音識別中的應(yīng)用[J]. 張文宇,劉暢.  信息技術(shù). 2018(10)
[7]基于CTC模型的無分割文本驗證碼識別[J]. 杜薇,周武能.  計算機與現(xiàn)代化. 2018(09)
[8]語音識別技術(shù)在人工臺智能化應(yīng)用[J]. 趙若言.  電子技術(shù)與軟件工程. 2018(17)
[9]深度神經(jīng)網(wǎng)絡(luò)的語音深度特征提取方法[J]. 李濤,曹輝,郭樂樂.  聲學(xué)技術(shù). 2018(04)
[10]語音識別技術(shù)綜述[J]. 蘧鵬里.  計算機產(chǎn)品與流通. 2018(08)

博士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的語音識別模型研究[D]. 張仕良.中國科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]基于語音識別技術(shù)的智能家居控制系統(tǒng)的設(shè)計[D]. 肖愛民.南昌大學(xué) 2018
[2]語音識別中神經(jīng)網(wǎng)絡(luò)聲學(xué)模型的說話人自適應(yīng)研究[D]. 古典.中國科學(xué)技術(shù)大學(xué) 2018
[3]基于動態(tài)時間規(guī)整的可穿戴式人體動作識別系統(tǒng)設(shè)計[D]. 劉盛羽.哈爾濱工業(yè)大學(xué) 2018
[4]非特定人語音識別特征提取算法的研究[D]. 王晨.安徽工業(yè)大學(xué) 2018
[5]基于HMM和DNN的語音識別算法研究與實現(xiàn)[D]. 袁翔.江西理工大學(xué) 2017
[6]基于稀疏表示和信道補償?shù)恼f話人識別[D]. 陳晟.東南大學(xué) 2017
[7]說話人聲紋識別的算法研究[D]. 李灣灣.浙江大學(xué) 2017
[8]卷積神經(jīng)網(wǎng)絡(luò)在聲紋識別中的應(yīng)用研究[D]. 胡青.貴州大學(xué) 2016
[9]融合LPCC和MFCC特征參數(shù)的語音識別技術(shù)的研究[D]. 張文克.湘潭大學(xué) 2016
[10]基于嵌入式的孤立詞快速識別算法研究及實現(xiàn)[D]. 杜軍輝.上海師范大學(xué) 2016



本文編號：2931869