智能遥控器语音识别模块的设计

发布时间：2017-09-24 11:13

  本文关键词：智能遥控器语音识别模块的设计

  更多相关文章： SEP6110C 嵌入式系统 语音识别 矢量量化 智能遥控器

【摘要】：随着智能家居产业的蓬勃发展,语音识别技术有了更广阔的应用前景,将该技术应用于智能遥控器中实现家居控制,已经成为智能家居领域的一大研究热点。因此,设计一种切实可用的嵌入式语音识别系统是非常重要的。SEP6110C是自主研发的嵌入式芯片,本文旨在利用该芯片设计一款嵌入式语音识别模块,具有低成本、易操作和高识别率的特性,使之可以应用于智能遥控器中。本文在对比分析了嵌入式语音识别的相关技术后,确定以基于矢量量化的模板匹配算法为核心,完成SEP6110C嵌入式平台的语音识别算法设计。在语音预处理时,简化滤波器的设计,取消分帧；端点检测时,根据硬件噪声设计判断规则和阈值门限；在语音参数提取时,对MFCC特征参数做加权处理,使之更好地表现语音信号的特征；最后使用LBG算法完成矢量量化。设计完成后,对该模块的软硬件各项参数进行测试。测试结果表明,该系统可识别语音命令为30个,语音识别率达到90%以上,且识别反应时间在1s以内。本文设计的语音识别系统完成了小词汇量、孤立字词的语音识别,满足了智能遥控器的家居控制要求,在智能家居领域具有一定的使用价值。
【关键词】：SEP6110C 嵌入式系统 语音识别 矢量量化 智能遥控器
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN912.34
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 课题背景及意义9
• 1.2 语音识别技术的研究现状9-11
• 1.2.1 国外语音识别历史发展10-11
• 1.2.2 国内研究现状11
• 1.3 研究内容与设计指标11-13
• 1.3.1 研究内容11-12
• 1.3.2 设计指标12-13
• 1.4 论文的组织结构13-15
• 第二章 嵌入式语音识别系统15-25
• 2.1 语音识别技术概述15-17
• 2.1.1 语音识别的技术分类15-16
• 2.1.2 嵌入式语音识别技术分析16-17
• 2.1.3 嵌入式语音识别系统的结构17
• 2.2 嵌入式语音识别系统的概述17-21
• 2.2.1 矢量量化18-19
• 2.2.2 动态时间规整19-20
• 2.2.3 隐马尔科夫模型20-21
• 2.3 嵌入式平台算法实现的分析21-23
• 2.3.1 嵌入式平台对语音识别的约束21-22
• 2.3.2 本设计的难点22-23
• 2.4 本章小结23-25
• 第三章 嵌入式语音识别算法设计25-45
• 3.1 语音识别算法原理25-32
• 3.1.1 预处理25-26
• 3.1.2. 端点检测26-29
• 3.1.3 特征提取29-32
• 3.1.4 模板匹配32
• 3.2 预处理的优化32-35
• 3.2.1 嵌入式硬件的噪声分析33
• 3.2.2 预加重的优化33-35
• 3.2.3 分帧优化35
• 3.3 针对智能家居场合的端点检测设计35-37
• 3.4 特征参数提取的优化37-41
• 3.4.1 特征参数提取算法分析37-38
• 3.4.2 MFCC的优化设计38-39
• 3.4.3 FFT的实现39-41
• 3.5 模板匹配的设计41-43
• 3.5.1 LBG算法实现的矢量量化41-42
• 3.5.2 模板匹配流程优化42-43
• 3.6 本章小结43-45
• 第四章 嵌入式语音识别系统的实现45-67
• 4.1 语音识别系统的整体设计45-46
• 4.2 硬件设计46-50
• 4.2.1 微处理器SEP6110C46-47
• 4.2.2 语音处理芯片47-48
• 4.2.3 无线通信模块48
• 4.2.4 硬件子模块设计48-50
• 4.3 软件平台设计50-58
• 4.3.1 微处理器的配置50-51
• 4.3.2 WM8978的驱动设计及语音数据流的控制51-53
• 4.3.3 FAT文件系统53-56
• 4.3.4 无线通信56-58
• 4.4 语音识别算法实现58-65
• 4.4.1 语音预处理算法实现58-59
• 4.4.2 双门限端点检测算法实现59-61
• 4.4.3 MFCC的实现61-62
• 4.4.4 VQ的实现62-65
• 4.5 智能遥控器的工作流程65
• 4.6 本章小结65-67
• 第五章 系统的测试与结果分析67-77
• 5.1 硬件测试67-69
• 5.1.1 硬件电路测试67-68
• 5.1.2 系统性能测试68-69
• 5.2 语音识别测试场景69-70
• 5.3 语音识别测试及结果分析70-76
• 5.3.1 预处理和端点检测的测试70-71
• 5.3.2 反应时间测试及其分析71-74
• 5.3.3 语音识别率测试及其分析74-75
• 5.3.4 测试结果总结75-76
• 5.4 本章小结76-77
• 第六章 总结与展望77-79
• 6.1 总结77
• 6.2 展望77-79
• 参考文献79-83
• 致谢83-85
• 攻读硕士期间发表的论文85

【相似文献】

中国期刊全文数据库 前10条

1 郭远琼;提高语音识别率点滴[J];电脑技术;2000年03期

2 邢文;语音识别[J];个人电脑;2000年02期

3 ;语音识别的真相[J];个人电脑;2001年12期

4 ;语音识别渐入佳境[J];个人电脑;2002年03期

5 ;微软语音识别软件可与人直接对话[J];自动化博览;2003年04期

6 ;语音识别[J];印刷世界;2004年01期

7 杰里米·瓦格斯塔夫;让语音识别软件 解放你的双手[J];农业图书情报学刊;2004年03期

8 韩纪庆,王欢良,李海峰,郑铁然;基于语音识别的发音学习技术[J];电声技术;2004年09期

9 陈孝强;语音识别拟起新潮[J];微电脑世界;2005年07期

10 韩纪庆;张磊;郑铁然;;网络环境下的语音识别方法[J];计算机科学;2005年01期

中国重要会议论文全文数据库 前10条

1 张歆奕;吴今培;张其善;;语音的共性特征及其在语音识别中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

2 杜树木;何良华;;一种新的基于段长分布的语音识别模型[A];2009年通信理论与信号处理学术年会论文集[C];2009年

3 李桢;高万林;欧文浩;徐山川;;基于关键词语音识别的农业信息语音服务系统的研究与实现[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年

4 张冰;龙长才;罗海风;;熟悉掩蔽音背景下的目标语音识别[A];泛在信息社会中的声学——中国声学学会2010年全国会员代表大会暨学术会议论文集[C];2010年

5 王承发;赵德彬;金山;苗百利;朱志莹;;语音识别应用中抗噪声干扰方法的初步探讨[A];第二届全国人机语音通讯学术会议论文集[C];1992年

6 杜笑平;杨启纲;杨家沅;;过零周期转移概率矩阵语音识别部件的研制[A];第二届全国人机语音通讯学术会议论文集[C];1992年

7 季宏;刘志文;杜燕玲;黄曾阳;;语音识别中的音字转换[A];第三届全国人机语音通讯学术会议论文集[C];1994年

8 葛余博;杨大利;曾德超;;噪声环境下语音识别的几个问题(一)[A];第三届全国人机语音通讯学术会议论文集[C];1994年

9 朱奇峰;俞铁城;;听觉中的协同现象和其对语音识别影响的探讨[A];第四届全国人机语音通讯学术会议论文集[C];1996年

10 姚磊;黄泰翼;陈景东;;一种高鲁棒性语音识别的通用自适应方法研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

中国重要报纸全文数据库 前10条

1 黄梦;方案商积极切入语音识别市场[N];电脑商报;2006年

2 闫婷;语音识别 理想与现实的距离[N];计算机世界;2007年

3 刘喜喜;语音识别将把鼠标键盘打入冷宫？[N];中国计算机报;2008年

4 乐天;语音识别：让你的手机更聪明[N];计算机世界;2011年

5 特约作者 王佳彬;语音识别渐入佳境[N];电脑报;2002年

6 雨夏;语音识别重在应用[N];计算机世界;2001年

7 ;语音识别企业应用前景光明[N];计算机世界;2003年

8 王向东 栾焕博 林守勋 钱跃良;语音识别:抗噪音能力有待加强[N];计算机世界;2006年

9 上海 高博;让电脑“听懂”人话[N];电脑报;2008年

10 张彤;语音识别融入统一通信[N];网络世界;2008年

中国博士学位论文全文数据库 前10条

1 许金普;农产品市场信息采集的语音识别鲁棒性方法研究[D];中国农业科学院;2015年

2 吴斌;语音识别中的后处理技术研究[D];北京邮电大学;2008年

3 奉小慧;音频噪声环境下唇动信息在语音识别中的应用技术研究[D];华南理工大学;2010年

4 孙f，

本文编号：911073