智能家居語音控制網(wǎng)關系統(tǒng)的研究與實現(xiàn)
發(fā)布時間:2020-06-08 09:36
【摘要】:當前智能家居語音控制網(wǎng)關設備的語音處理普遍在線上進行,在沒有互聯(lián)網(wǎng)連接、網(wǎng)絡異;蛘咚俣嚷惹樾蜗,網(wǎng)關獲取不到語音指令從而無法對家庭設備進行控制,嚴重依賴互聯(lián)網(wǎng)的連接。此外,部分網(wǎng)關控制系統(tǒng)連接家電設備使用有線連接方式,不利于系統(tǒng)擴展。針對以上缺陷,本文研究與設計了一款融合ZigBee和WiFi無線網(wǎng)絡技術的網(wǎng)關系統(tǒng),此系統(tǒng)可以在線下對語音進行識別,實現(xiàn)了在有無網(wǎng)絡連接的情況下均可使用語音對家庭設備進行控制;并且該網(wǎng)關系統(tǒng)使用BP神經(jīng)網(wǎng)絡算法學習用戶常用指令,以實現(xiàn)離線時智能控制,提高用戶體驗,使得在離線時擁有和在線時無差別的體驗。本文首先對該系統(tǒng)所需要的語音識別基本原理知識進行了介紹,以及對離線語音識別模型、BP神經(jīng)網(wǎng)絡算法進行了研究。其中,對BP神經(jīng)網(wǎng)絡算法和語音識別模型中使用到的前向后向算法、Viterbi算法、Baum-Welch算法進行了深入分析。最后結合ZigBee-WiFi網(wǎng)絡、Web開發(fā)、Android開發(fā)等技術,設計并實現(xiàn)了本智能家居語音控制網(wǎng)關系統(tǒng)。本文從語音控制家庭網(wǎng)關設備、服務器平臺、用戶Android客戶端這三個方面對智能家居語音控制網(wǎng)關系統(tǒng)進行了介紹。語音控制家庭網(wǎng)關設備硬件由Exynos 4412開發(fā)平臺和ZigBee模塊、拾音設備模塊、WiFi通信模塊外圍電路組成;軟件層采用基于ARM處理器的嵌入式Linux系統(tǒng)。本論文選用HMM語音識別算法與HTK語音識別工具對語音樣本進行聲學模型和語言模型訓練,并將結果作為本系統(tǒng)的離線語音識別引擎;自定義了家庭網(wǎng)關和ZigBee協(xié)調器之間的串口數(shù)據(jù)傳輸協(xié)議;使用TCP/IP通信協(xié)議以及Socket網(wǎng)絡編程技術將封裝好的家庭設備信息實時發(fā)送到服務器平臺上。家庭網(wǎng)關服務器使用整合了“SpringMVC+MyBatis+Spring+Mysq1”框架的SpringBoot平臺進行快速開發(fā)。我們通過用戶管理、設備管理、數(shù)據(jù)查詢等模塊的設計,實現(xiàn)了服務器平臺對家庭設備及其數(shù)據(jù)的管理。最后設計了 Android客戶端以實時查看及控制家電設備,增強了用戶的參與感。在本文最后,給出了語音控制網(wǎng)關系統(tǒng)的功能測試方法,測試結果表明,本文的語音控制網(wǎng)關系統(tǒng)基本實現(xiàn)了設計需求。
【圖文】:
邐邐>逡逑圖2.1語音識別主要流程圖逡逑2.1.2.1語音信號的預艦逡逑預處理即在語音識別之前先對輸入語音進行一系列的聲音處理,這樣可以消除部分噪聲逡逑帶來的影響以及不同說話人帶來的影響,對語音這樣處理可以更好的反映語音的本質特征。逡逑語音預處理需要處理的流程包括語音信號的采樣、量化、端點檢測、加窗分傾等[32]。采樣量逡逑化是指對時域信號按奎斯特懫樣定理,將連續(xù)信號不失真的轉換成離散信號并對離散的信號逡逑進行A/D數(shù)模轉換,使得量化采樣后的數(shù)據(jù)便于計算機使用。端點檢測的作用是對給定的一逡逑段語音來確定該語音信號的起止點,經(jīng)過端點檢測后,對語音信號后期處理的計算量可以降逡逑低。因為語音信號是一個短時非平穩(wěn)信號,不能用處理平穩(wěn)信號的技術來分析它,但是如果逡逑時域信號我們把它的間隔劃分的很小,那么在一個很短的時間間隔內,信號可以看作是一個逡逑準穩(wěn)態(tài)的過程
該序列的概率,可以使用前向后向算法解決此問題;二是同樣在給出觀察序列的情況下,找逡逑出每個觀測值最可能對應的HMM狀態(tài)序列,采用維特比算法解決此問題。第三是給定一個逡逑觀察序列計算出HMM的參數(shù),常采用EM算法。HMM模型圖如圖2.3所示。逡逑al2_邐a23逡逑yl邐y2邐y3邐y4逡逑圖2.3隱馬爾科夫模型逡逑HMM模型通常用三組模型參數(shù)A邋=邋A妁來表示,^?為初始概率[為狀態(tài)轉移概率,逡逑5表示觀測值概率,圖2.3中a為轉移概率,6為觀測值輸出概率,x為隱含狀態(tài)為觀察值。逡逑通常定義HMM模型有iV個狀態(tài)S邋=以11S邋K邋iV},在任意時刻/模型的狀態(tài)為☆且☆邋e邋S邋;逡逑模型的觀測序列可以表示成0邋=邋■[0/丨1邋S,在任意時刻/的觀測值為。逡逑基于HMM模型解決的三個問題,本文將詳細分析解決此三個問題的算法。逡逑2.2.1.1前向-后向算法逡逑前后-后向算法是在HMM模型1的參數(shù)已經(jīng)知曉即初始狀態(tài)概率7、狀態(tài)轉移矩陣J、逡逑觀測概率矩陣5己經(jīng)給出的情況下,如果再給出觀測序列0,,計算HMM生成該序列的概率逡逑即}幣澹。辶x顯冢齲停湍P橢惺褂們跋潁笙蛩惴ㄊ腔詬藎齲停湍P馱硭枰怨鄄廡蛄械鬧到義閑斜槔撲,染J褂帽┝撲惴椒ǖ憊鄄廡蛄瀉艸な斃枰撲愕氖奔浠嵐粗甘對黽櫻卞義霞涓叢傭裙
本文編號:2702881
【圖文】:
邐邐>逡逑圖2.1語音識別主要流程圖逡逑2.1.2.1語音信號的預艦逡逑預處理即在語音識別之前先對輸入語音進行一系列的聲音處理,這樣可以消除部分噪聲逡逑帶來的影響以及不同說話人帶來的影響,對語音這樣處理可以更好的反映語音的本質特征。逡逑語音預處理需要處理的流程包括語音信號的采樣、量化、端點檢測、加窗分傾等[32]。采樣量逡逑化是指對時域信號按奎斯特懫樣定理,將連續(xù)信號不失真的轉換成離散信號并對離散的信號逡逑進行A/D數(shù)模轉換,使得量化采樣后的數(shù)據(jù)便于計算機使用。端點檢測的作用是對給定的一逡逑段語音來確定該語音信號的起止點,經(jīng)過端點檢測后,對語音信號后期處理的計算量可以降逡逑低。因為語音信號是一個短時非平穩(wěn)信號,不能用處理平穩(wěn)信號的技術來分析它,但是如果逡逑時域信號我們把它的間隔劃分的很小,那么在一個很短的時間間隔內,信號可以看作是一個逡逑準穩(wěn)態(tài)的過程
該序列的概率,可以使用前向后向算法解決此問題;二是同樣在給出觀察序列的情況下,找逡逑出每個觀測值最可能對應的HMM狀態(tài)序列,采用維特比算法解決此問題。第三是給定一個逡逑觀察序列計算出HMM的參數(shù),常采用EM算法。HMM模型圖如圖2.3所示。逡逑al2_邐a23逡逑yl邐y2邐y3邐y4逡逑圖2.3隱馬爾科夫模型逡逑HMM模型通常用三組模型參數(shù)A邋=邋A妁來表示,^?為初始概率[為狀態(tài)轉移概率,逡逑5表示觀測值概率,圖2.3中a為轉移概率,6為觀測值輸出概率,x為隱含狀態(tài)為觀察值。逡逑通常定義HMM模型有iV個狀態(tài)S邋=以11S邋K邋iV},在任意時刻/模型的狀態(tài)為☆且☆邋e邋S邋;逡逑模型的觀測序列可以表示成0邋=邋■[0/丨1邋S,在任意時刻/的觀測值為。逡逑基于HMM模型解決的三個問題,本文將詳細分析解決此三個問題的算法。逡逑2.2.1.1前向-后向算法逡逑前后-后向算法是在HMM模型1的參數(shù)已經(jīng)知曉即初始狀態(tài)概率7、狀態(tài)轉移矩陣J、逡逑觀測概率矩陣5己經(jīng)給出的情況下,如果再給出觀測序列0,,計算HMM生成該序列的概率逡逑即}幣澹。辶x顯冢齲停湍P橢惺褂們跋潁笙蛩惴ㄊ腔詬藎齲停湍P馱硭枰怨鄄廡蛄械鬧到義閑斜槔撲,染J褂帽┝撲惴椒ǖ憊鄄廡蛄瀉艸な斃枰撲愕氖奔浠嵐粗甘對黽櫻卞義霞涓叢傭裙
本文編號:2702881
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/2702881.html
最近更新
教材專著