智能照明声控信号的声纹与语义识别算法研究
发布时间：2020-12-22 13:48
智能照明语音控制具有高效、节能、控制多样化、成本低廉等优点,在智能照明系统中得以迅速发展。针对智能照明系统声控信号的间歇性、非一致性、非平稳性等特点,本文采用声纹和语音识别相关理论方法,研究智能照明声控信号的识别算法,为智能照明与智能家居的应用提供安全与舒适的技术方案。论文的主要工作如下:1、针对智能照明声控信号的间歇性和非线性,通过饱和嵌入维数计算,确定语音信号时间序列最小分帧长度,对分帧后的语音信号采用短时能量和短时平均过零率双条件进行端点检测,从而准确高效识别声控信号。2、针对智能照明声控信号的身份识别功能,通过对GMM-UBM模型的声纹识别算法的改进,实现声控信号的说话人的身份判定,为智能照明系统增加了声纹密码这把安全锁,加强了智能照明系统的安全性。3、针对智能照明声控信号的语义识别功能,通过基于DTW方法的语音识别算法,采用基于矢量累积距离法的搜索和匹配策略,通过与语义模板库的最佳匹配,实现对智能照明声控信号的识别和理解。4、建立规定身份的多人、多场景、多种命令的自适应实时语音训练样本库,实现规定身份人对多区域灯具的多种语义进行智能语音控制,使系统适用性更广。本文利用Matl...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题背景及研究的目的和意义
1.2 国内外发展概况和研究现状
1.2.1 语音识别在智能照明中的应用概况
1.2.2 语音识别技术发展概况和研究现状
1.2.3 声纹识别技术发展历史及现状
1.3 论文的研究内容与章节安排
1.3.1 论文的研究内容
1.3.2 论文的章节安排
第二章 智能照明声控信号识别
2.1 智能照明语音控制系统功能需求分析
2.2 智能照明声控信号识别算法
2.3 智能照明声控信号预处理和特征提取
2.3.1 语音信号的预处理
2.3.2 特征提取算法
2.3.3 基于MFCC的声控信号特征提取
2.4 本章小结
第三章 基于GMM-UBM的智能照明系统的声纹识别算法
3.1 声纹识别技术
3.1.1 声纹识别的分析
3.1.2 声纹识别技术的分类
3.1.3 声纹识别技术结构
3.1.4 常用的声纹识别方法
3.2 基于GMM模型的声纹识别
3.2.1 GMM模型概述和原理
3.2.2 GMM模型的参数估计
3.3 基于GMM-UBM模型的声纹识别
3.3.1 GMM-UBM模型的基本原理
3.3.2 最大后验准则算法
3.3.3 GMM-UBM模型的对数似然比
3.3.4 GMM-UBM模型的优势分析
3.4 基于GMM-UBM模型的智能照明声纹识别算法
3.4.1 UBM模型训练
3.4.2 声纹身份GMM-UBM模型训练
3.4.3 GMM-UBM模式匹配
3.5 本章小结
第四章 基于DTW的智能照明系统的语义识别算法
4.1 语音识别技术
4.1.1 语音识别技术的概述
4.1.2 语音识别技术的基本原理
4.1.3 语音识别技术的分类
4.2 基于DTW的智能照明语义识别算法
4.2.1 DTW语音识别技术
4.2.2 基于DTW的智能照明的语义识别算法
4.3 本章小结
第五章 实验与结果分析
5.1 实验条件
5.2 实验样本库
5.2.1 声控信号的端点实时训练样本库
5.2.2 声控信号的声纹身份实时训练样本库
5.2.3 声控信号的语音语义实时训练样本库
5.3 实验内容和结果分析
5.3.1声控信号的判别实验
5.3.2 不同特征提取方法实验比较
5.3.3 不同声纹识别方法的实验比较
5.3.4 不同语义识别方法的实验比较
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]人工智能综述:AI的发展[J]. 崔雍浩,商聪,陈锶奇,郝建业. 无线电通信技术. 2019(03)
[2]语音识别预处理过程及其存在问题[J]. 付学桐. 科技传播. 2019(08)
[3]关于人工智能技术在智能家居领域的应用[J]. 姜权真. 中国新通信. 2019(06)
[4]智能声纹识别系统与技术分析[J]. 蒋宗琎. 科技传播. 2018(23)
[5]面向藏语声纹识别的语料库建设[J]. 周雁,西绕多吉. 计算机工程与科学. 2018(11)
[6]卷积神经网络算法在语音识别中的应用[J]. 张文宇,刘畅. 信息技术. 2018(10)
[7]基于CTC模型的无分割文本验证码识别[J]. 杜薇,周武能. 计算机与现代化. 2018(09)
[8]语音识别技术在人工台智能化应用[J]. 赵若言. 电子技术与软件工程. 2018(17)
[9]深度神经网络的语音深度特征提取方法[J]. 李涛,曹辉,郭乐乐. 声学技术. 2018(04)
[10]语音识别技术综述[J]. 蘧鹏里. 计算机产品与流通. 2018(08)
博士论文
[1]基于深度神经网络的语音识别模型研究[D]. 张仕良.中国科学技术大学 2017
硕士论文
[1]基于语音识别技术的智能家居控制系统的设计[D]. 肖爱民.南昌大学 2018
[2]语音识别中神经网络声学模型的说话人自适应研究[D]. 古典.中国科学技术大学 2018
[3]基于动态时间规整的可穿戴式人体动作识别系统设计[D]. 刘盛羽.哈尔滨工业大学 2018
[4]非特定人语音识别特征提取算法的研究[D]. 王晨.安徽工业大学 2018
[5]基于HMM和DNN的语音识别算法研究与实现[D]. 袁翔.江西理工大学 2017
[6]基于稀疏表示和信道补偿的说话人识别[D]. 陈晟.东南大学 2017
[7]说话人声纹识别的算法研究[D]. 李湾湾.浙江大学 2017
[8]卷积神经网络在声纹识别中的应用研究[D]. 胡青.贵州大学 2016
[9]融合LPCC和MFCC特征参数的语音识别技术的研究[D]. 张文克.湘潭大学 2016
[10]基于嵌入式的孤立词快速识别算法研究及实现[D]. 杜军辉.上海师范大学 2016
本文编号：2931869
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 课题背景及研究的目的和意义
1.2 国内外发展概况和研究现状
1.2.1 语音识别在智能照明中的应用概况
1.2.2 语音识别技术发展概况和研究现状
1.2.3 声纹识别技术发展历史及现状
1.3 论文的研究内容与章节安排
1.3.1 论文的研究内容
1.3.2 论文的章节安排
第二章 智能照明声控信号识别
2.1 智能照明语音控制系统功能需求分析
2.2 智能照明声控信号识别算法
2.3 智能照明声控信号预处理和特征提取
2.3.1 语音信号的预处理
2.3.2 特征提取算法
2.3.3 基于MFCC的声控信号特征提取
2.4 本章小结
第三章 基于GMM-UBM的智能照明系统的声纹识别算法
3.1 声纹识别技术
3.1.1 声纹识别的分析
3.1.2 声纹识别技术的分类
3.1.3 声纹识别技术结构
3.1.4 常用的声纹识别方法
3.2 基于GMM模型的声纹识别
3.2.1 GMM模型概述和原理
3.2.2 GMM模型的参数估计
3.3 基于GMM-UBM模型的声纹识别
3.3.1 GMM-UBM模型的基本原理
3.3.2 最大后验准则算法
3.3.3 GMM-UBM模型的对数似然比
3.3.4 GMM-UBM模型的优势分析
3.4 基于GMM-UBM模型的智能照明声纹识别算法
3.4.1 UBM模型训练
3.4.2 声纹身份GMM-UBM模型训练
3.4.3 GMM-UBM模式匹配
3.5 本章小结
第四章 基于DTW的智能照明系统的语义识别算法
4.1 语音识别技术
4.1.1 语音识别技术的概述
4.1.2 语音识别技术的基本原理
4.1.3 语音识别技术的分类
4.2 基于DTW的智能照明语义识别算法
4.2.1 DTW语音识别技术
4.2.2 基于DTW的智能照明的语义识别算法
4.3 本章小结
第五章 实验与结果分析
5.1 实验条件
5.2 实验样本库
5.2.1 声控信号的端点实时训练样本库
5.2.2 声控信号的声纹身份实时训练样本库
5.2.3 声控信号的语音语义实时训练样本库
5.3 实验内容和结果分析
5.3.1声控信号的判别实验
5.3.2 不同特征提取方法实验比较
5.3.3 不同声纹识别方法的实验比较
5.3.4 不同语义识别方法的实验比较
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]人工智能综述:AI的发展[J]. 崔雍浩,商聪,陈锶奇,郝建业. 无线电通信技术. 2019(03)
[2]语音识别预处理过程及其存在问题[J]. 付学桐. 科技传播. 2019(08)
[3]关于人工智能技术在智能家居领域的应用[J]. 姜权真. 中国新通信. 2019(06)
[4]智能声纹识别系统与技术分析[J]. 蒋宗琎. 科技传播. 2018(23)
[5]面向藏语声纹识别的语料库建设[J]. 周雁,西绕多吉. 计算机工程与科学. 2018(11)
[6]卷积神经网络算法在语音识别中的应用[J]. 张文宇,刘畅. 信息技术. 2018(10)
[7]基于CTC模型的无分割文本验证码识别[J]. 杜薇,周武能. 计算机与现代化. 2018(09)
[8]语音识别技术在人工台智能化应用[J]. 赵若言. 电子技术与软件工程. 2018(17)
[9]深度神经网络的语音深度特征提取方法[J]. 李涛,曹辉,郭乐乐. 声学技术. 2018(04)
[10]语音识别技术综述[J]. 蘧鹏里. 计算机产品与流通. 2018(08)
博士论文
[1]基于深度神经网络的语音识别模型研究[D]. 张仕良.中国科学技术大学 2017
硕士论文
[1]基于语音识别技术的智能家居控制系统的设计[D]. 肖爱民.南昌大学 2018
[2]语音识别中神经网络声学模型的说话人自适应研究[D]. 古典.中国科学技术大学 2018
[3]基于动态时间规整的可穿戴式人体动作识别系统设计[D]. 刘盛羽.哈尔滨工业大学 2018
[4]非特定人语音识别特征提取算法的研究[D]. 王晨.安徽工业大学 2018
[5]基于HMM和DNN的语音识别算法研究与实现[D]. 袁翔.江西理工大学 2017
[6]基于稀疏表示和信道补偿的说话人识别[D]. 陈晟.东南大学 2017
[7]说话人声纹识别的算法研究[D]. 李湾湾.浙江大学 2017
[8]卷积神经网络在声纹识别中的应用研究[D]. 胡青.贵州大学 2016
[9]融合LPCC和MFCC特征参数的语音识别技术的研究[D]. 张文克.湘潭大学 2016
[10]基于嵌入式的孤立词快速识别算法研究及实现[D]. 杜军辉.上海师范大学 2016
本文编号：2931869
本文链接：https://www.wllwen.com/jingjilunwen/jianzhujingjilunwen/2931869.html
