發(fā)布時(shí)間：2018-06-28 23:16

  本文選題：智能家居 + 語(yǔ)音識(shí)別�。� 參考：《蘭州交通大學(xué)》2017年碩士論文

【摘要】：智能家居中使用語(yǔ)音識(shí)別控制技術(shù)具有方便快捷的特點(diǎn),可以擺脫手動(dòng)遙控帶來(lái)的繁瑣并解決智能化體驗(yàn)差的問(wèn)題,滿(mǎn)足人民大眾對(duì)家居生活智能化越來(lái)越高的需求。實(shí)際應(yīng)用中家居系統(tǒng)對(duì)語(yǔ)音識(shí)別算法的識(shí)別率和識(shí)別效率要求較高,由于基于神經(jīng)網(wǎng)絡(luò)算法的語(yǔ)音識(shí)別技術(shù)需依托因特網(wǎng)資源以及網(wǎng)絡(luò)高性能服務(wù)器平臺(tái),無(wú)法達(dá)到智能家居對(duì)硬件低配,算法輕量的要求。目前大部分智能家居設(shè)備中的語(yǔ)音控制系統(tǒng)主要采用基于動(dòng)態(tài)規(guī)整算法(DTW)的孤立詞識(shí)別系統(tǒng)、基于隱馬爾科夫模型(HMM)的孤立詞識(shí)別系統(tǒng)以及部分高配置硬件系統(tǒng)采用的基于隱馬爾科夫填料模板的關(guān)鍵詞識(shí)別系統(tǒng),這些算法存在識(shí)別率偏低或算法計(jì)算量大、效率偏低、不適于低配硬件環(huán)境以及孤立詞識(shí)別技術(shù)體驗(yàn)效果差的問(wèn)題。因此對(duì)智能家居系統(tǒng)中語(yǔ)音識(shí)別技術(shù)進(jìn)行算法改進(jìn)或者方案改進(jìn),保證同時(shí)滿(mǎn)足較高的算法識(shí)別速率和識(shí)別率,以滿(mǎn)足用戶(hù)對(duì)智能家居語(yǔ)音控制的體驗(yàn)效果,對(duì)進(jìn)一步開(kāi)發(fā)智能家居系統(tǒng)具有重要的意義。首先對(duì)語(yǔ)音識(shí)別技術(shù)的基本原理進(jìn)行了詳細(xì)介紹和分析,包括預(yù)處理、特征提取、模板訓(xùn)練和模式匹配四個(gè)環(huán)節(jié)。其次詳細(xì)介紹了目前智能家居中常用的輕量級(jí)語(yǔ)音識(shí)別算法,對(duì)算法優(yōu)點(diǎn)以及不足對(duì)比分析。對(duì)DTW和HMM分別對(duì)應(yīng)的孤立詞識(shí)別系統(tǒng)和關(guān)鍵詞識(shí)別系統(tǒng)詳細(xì)介紹和對(duì)比分析,根據(jù)不足給出改進(jìn)的關(guān)鍵詞識(shí)別算法。再次利用MATLAB工具進(jìn)行系統(tǒng)仿真,測(cè)試算法可行性、識(shí)別率、識(shí)別速率等指標(biāo)。最后利用B/S模式來(lái)設(shè)計(jì)開(kāi)發(fā)一套基于Web平臺(tái)的關(guān)鍵詞語(yǔ)音識(shí)別系統(tǒng)。本文主要解決方案是在預(yù)處理階段,在傳統(tǒng)的低通濾波去噪基礎(chǔ)上,加入小波去噪進(jìn)行語(yǔ)音增強(qiáng)并抑制非平穩(wěn)噪聲。在特征提取以及端點(diǎn)檢測(cè)階段將傳統(tǒng)的端點(diǎn)檢測(cè)算法改為單音節(jié)端點(diǎn)檢測(cè)分割算法。識(shí)別階段滑動(dòng)匹配所有音節(jié),將得分最高的提取出來(lái),達(dá)到確認(rèn)關(guān)鍵詞得分閾值即為關(guān)鍵詞。對(duì)改進(jìn)的算法進(jìn)行MATLAB仿真,關(guān)鍵詞識(shí)別率和識(shí)別速率基本達(dá)到系統(tǒng)要求,體驗(yàn)效果得到改善,在一定程度上提高了智能家居語(yǔ)音控制智能化程度。對(duì)于系統(tǒng)存在的問(wèn)題,提出了未來(lái)可以繼續(xù)改進(jìn)的方向。
[Abstract]:The use of speech recognition control technology in smart home has the characteristics of convenience and shortcut. It can get rid of the complicated problem brought by manual remote control and solve the problem of intelligent experience, so as to meet the people's increasing demand for intelligent home life. In practical application, the recognition rate and recognition efficiency of the speech recognition algorithm are required by the home system in the actual application. Because the speech recognition technology based on neural network algorithm needs to rely on Internet resources and the high performance server platform of the network, it is unable to meet the requirements of low allocation of hardware and lightweight algorithm for smart home. At present, the speech control system in most intelligent home devices mainly adopts the isolated word recognition system based on dynamic normalization algorithm (DTW). Based on the hidden Markov model (HMM), a key word recognition system based on the hidden Markov stuffing template is adopted in the hidden Markov model (HMM). These algorithms have low recognition rate, large computation, low efficiency, unfit for low hardware environment and isolated word recognition technology. Therefore, the speech recognition technology in the smart home system is improved or improved to ensure that it meets the higher recognition rate and recognition rate at the same time so as to meet the user's experience effect on the intelligent home voice control. It is of great significance to the further development of intelligent home system. First, the speech recognition technology is used. The basic principle is introduced and analyzed in detail, including four links: preprocessing, feature extraction, template training and pattern matching. Secondly, the lightweight speech recognition algorithm commonly used in smart home is introduced in detail, and the advantages and shortcomings of the algorithm are analyzed. The isolated word recognition system and key word recognition corresponding to DTW and HMM classification are identified. The system is introduced and analyzed in detail, and the improved keyword recognition algorithm is given according to the shortage. MATLAB tool is used to simulate the system again, the feasibility of the algorithm, the recognition rate, the recognition rate and so on. Finally, a set of key word recognition system based on the Web platform is designed and developed by using the B/S model. The main solution is in this paper. In the preprocessing stage, on the basis of traditional low pass filter denoising, wavelet denoising is added to speech enhancement and suppression of non-stationary noise. In feature extraction and endpoint detection, the traditional endpoint detection algorithm is changed to monosyllabic endpoint detection segmentation algorithm. The recognition stage is sliding to match all syllables, and the highest score is extracted. To confirm the key word score threshold is the key word. MATLAB simulation of the improved algorithm, the key word recognition rate and recognition rate basically reach the system requirements, the experience effect is improved, to a certain extent, the intelligentized degree of the intelligent home voice control is improved. The future can be improved for the problems existing in the system. Direction.
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TN912.34;TU855

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張毅;黎小松;羅元;吳承軍;;基于人耳聽(tīng)覺(jué)特性的語(yǔ)音識(shí)別預(yù)處理研究[J];計(jì)算機(jī)仿真;2015年12期

2 劉學(xué);王年松;郭武;;采用深層神經(jīng)網(wǎng)絡(luò)中間層特征的關(guān)鍵詞識(shí)別[J];小型微型計(jì)算機(jī)系統(tǒng);2015年07期

3 劉繼錦;周萍;楊青;景新幸;;基于小波變換的新閾值函數(shù)語(yǔ)音去噪方法[J];桂林電子科技大學(xué)學(xué)報(bào);2015年03期

4 陳濤;高必梵;艾菊梅;;語(yǔ)音識(shí)別技術(shù)在智能家居控制系統(tǒng)中的應(yīng)用研究[J];電子質(zhì)量;2015年03期

5 吳佳龍;李坤;劉中;;孤立詞語(yǔ)音識(shí)別算法研究與設(shè)計(jì)[J];電子科技;2015年02期

6 梁冬;李博;郭銳;;智能家居中Qt語(yǔ)音識(shí)別界面的設(shè)計(jì)與實(shí)現(xiàn)[J];內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版);2014年06期

7 白曉雷;黃廣君;段建輝;;一種基于BP神經(jīng)網(wǎng)絡(luò)的關(guān)鍵詞抽取方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年07期

8 于俊婷;劉伍穎;易綿竹;李雪;李娜;;國(guó)內(nèi)語(yǔ)音識(shí)別研究綜述[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2014年10期

9 趙海峰;毛文博;凌花;吳婷婷;鄧克波;;指揮員命令語(yǔ)音識(shí)別算法[J];指揮信息系統(tǒng)與技術(shù);2014年02期

10 姚瑤;;基于小波變換的語(yǔ)音信號(hào)去噪研究[J];信息通信;2013年02期

相關(guān)博士學(xué)位論文 前2條

1 李寶祥;語(yǔ)音關(guān)鍵詞檢索若干問(wèn)題的研究[D];北京郵電大學(xué);2013年

2 孫成立;語(yǔ)音關(guān)鍵詞識(shí)別技術(shù)的研究[D];北京郵電大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 馮瑤;基于語(yǔ)音識(shí)別的遠(yuǎn)程控制系統(tǒng)的研究與實(shí)現(xiàn)[D];哈爾濱理工大學(xué);2016年

2 李敏;基于語(yǔ)音關(guān)鍵詞檢測(cè)的人機(jī)交互研究[D];北京交通大學(xué);2016年

3 熊威;復(fù)雜噪聲環(huán)境下語(yǔ)音端點(diǎn)的檢測(cè)算法的研究[D];東華大學(xué);2016年

4 劉迪源;基于BN特征的聲學(xué)建模研究及其在關(guān)鍵詞檢索中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

5 葉勇;漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)中關(guān)鍵詞檢測(cè)技術(shù)的研究[D];北京郵電大學(xué);2015年

6 邵保新;云架構(gòu)下的聲控智能家居系統(tǒng)[D];鄭州大學(xué);2014年

7 汪洋;基于web的普通話(huà)新聞檢索技術(shù)研究[D];電子科技大學(xué);2014年

8 羅影利;基于嵌入式的關(guān)鍵詞組識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2014年

9 林俊潛;基于神經(jīng)網(wǎng)絡(luò)和小波變換的語(yǔ)音識(shí)別系統(tǒng)研究[D];廣東工業(yè)大學(xué);2013年

10 劉文強(qiáng);語(yǔ)音識(shí)別技術(shù)在智能家居中的研究與應(yīng)用[D];大連海事大學(xué);2013年

，

本文編號(hào)：2079780