【摘要】：智能家居時(shí)代,智能產(chǎn)品深受用戶青睞的背后反應(yīng)出用戶對(duì)創(chuàng)新型業(yè)務(wù)的迫切需求。借助機(jī)器學(xué)習(xí)技術(shù)為傳統(tǒng)硬件設(shè)備和業(yè)務(wù)服務(wù)進(jìn)行賦能,是實(shí)現(xiàn)對(duì)傳統(tǒng)業(yè)務(wù)功能創(chuàng)新與性能改善的有效途徑。在智能產(chǎn)品中嵌入嬰兒看護(hù)功能,能及時(shí)發(fā)現(xiàn)嬰兒哭鬧,并向用戶發(fā)出警報(bào),避免嬰兒獨(dú)處時(shí)發(fā)生危險(xiǎn),具有較大的市場(chǎng)應(yīng)用價(jià)值。立足于此,本文采用哭聲檢測(cè)技術(shù)對(duì)嬰兒哭聲進(jìn)行監(jiān)測(cè),研究并開發(fā)了基于機(jī)器學(xué)習(xí)的智能哭聲檢測(cè)系統(tǒng)。本文工作簡(jiǎn)述如下:一、研究聲紋識(shí)別系統(tǒng)中典型的機(jī)器學(xué)習(xí)算法:研究各機(jī)器學(xué)習(xí)模型的算法原理,并對(duì)GMM、SVM模型進(jìn)行仿真實(shí)現(xiàn),通過對(duì)比識(shí)別準(zhǔn)確率和識(shí)別速率兩項(xiàng)指標(biāo),驗(yàn)證二者對(duì)哭聲信號(hào)的識(shí)別性能,并為下文“基于混合模型的智能哭聲檢測(cè)技術(shù)”研究提供理論依據(jù);二、研究智能哭聲檢測(cè)系統(tǒng)的關(guān)鍵技術(shù)方案:首先,針對(duì)智能哭聲檢測(cè)系統(tǒng)做出需求分析,并設(shè)計(jì)了整個(gè)智能哭聲識(shí)別系統(tǒng)的軟硬件架構(gòu)圖;其次,提出了哭聲檢測(cè)系統(tǒng)中的兩項(xiàng)關(guān)鍵技術(shù):“基于Mel能量的多特征提取技術(shù)”和“基于混合模型的智能哭聲檢測(cè)技術(shù)”,為智能哭聲檢測(cè)系統(tǒng)的開發(fā)實(shí)現(xiàn)提供了行之有效的技術(shù)方案;三、開發(fā)并實(shí)現(xiàn)了基于機(jī)器學(xué)習(xí)的智能哭聲檢測(cè)系統(tǒng)。首先,詳細(xì)闡述了智能哭聲檢測(cè)系統(tǒng)中手機(jī)終端側(cè)軟件、智能嵌入式設(shè)備側(cè)軟硬件、以及模型訓(xùn)練等功能的具體實(shí)現(xiàn)細(xì)節(jié);其次,對(duì)系統(tǒng)進(jìn)行了功能、性能等方面的測(cè)試,通過嚴(yán)格的系統(tǒng)測(cè)試,驗(yàn)證了該系統(tǒng)在功能與性能上的技術(shù)優(yōu)勢(shì)。
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP181;TN912.34
【圖文】：

圖 4.1 手機(jī)終端軟件初始化界面制部分都集中在手機(jī)終端側(cè)，主 Android 系統(tǒng)提供的事件監(jiān)聽機(jī)軟件執(zhí)行的回調(diào)函數(shù)，以執(zhí)行具，點(diǎn)擊“連接設(shè)備”按鈕時(shí)，通設(shè)備連接的過程。執(zhí)行的回調(diào)函/ 填寫嵌入式設(shè)備 ip 地址；().toString();hread(mainHandler, ip_num);tart(); //開啟新線程與嵌入式設(shè)備進(jìn)

郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 第四章 基于機(jī)器學(xué)習(xí)的智能哭聲檢測(cè)系統(tǒng)實(shí)現(xiàn)與if (msg.what == 1) { //向嵌入式設(shè)備端發(fā)送檢測(cè)指令os.write(msg.obj.toString().getBytes());......對(duì)于其他按鍵控制邏輯與此類似，此處不再贅述。如圖 4.2 所示為各個(gè)按鈕點(diǎn)擊時(shí)面圖，從左到右依次為點(diǎn)擊監(jiān)控、關(guān)閉、重置按鈕效果圖。

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 陸偉;戴蓓劏;李輝;劉青松;;MFCC中的基音頻率信息對(duì)說話人識(shí)別系統(tǒng)性能的影響[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2009年08期

相關(guān)碩士學(xué)位論文 前2條

1 金海;基于深度神經(jīng)網(wǎng)絡(luò)的音頻事件檢測(cè)[D];華南理工大學(xué);2016年

2 李昊洋;語音識(shí)別中基于支持向量機(jī)的聲學(xué)模型分析與實(shí)現(xiàn)[D];吉林大學(xué);2010年

本文編號(hào)：2733779