智能家居语音控制网关系统的研究与实现
发布时间：2020-06-08 09:36
【摘要】：当前智能家居语音控制网关设备的语音处理普遍在线上进行,在没有互联网连接、网络异常或者速度慢等情形下,网关获取不到语音指令从而无法对家庭设备进行控制,严重依赖互联网的连接。此外,部分网关控制系统连接家电设备使用有线连接方式,不利于系统扩展。针对以上缺陷,本文研究与设计了一款融合ZigBee和WiFi无线网络技术的网关系统,此系统可以在线下对语音进行识别,实现了在有无网络连接的情况下均可使用语音对家庭设备进行控制;并且该网关系统使用BP神经网络算法学习用户常用指令,以实现离线时智能控制,提高用户体验,使得在离线时拥有和在线时无差别的体验。本文首先对该系统所需要的语音识别基本原理知识进行了介绍,以及对离线语音识别模型、BP神经网络算法进行了研究。其中,对BP神经网络算法和语音识别模型中使用到的前向后向算法、Viterbi算法、Baum-Welch算法进行了深入分析。最后结合ZigBee-WiFi网络、Web开发、Android开发等技术,设计并实现了本智能家居语音控制网关系统。本文从语音控制家庭网关设备、服务器平台、用户Android客户端这三个方面对智能家居语音控制网关系统进行了介绍。语音控制家庭网关设备硬件由Exynos 4412开发平台和ZigBee模块、拾音设备模块、WiFi通信模块外围电路组成;软件层采用基于ARM处理器的嵌入式Linux系统。本论文选用HMM语音识别算法与HTK语音识别工具对语音样本进行声学模型和语言模型训练,并将结果作为本系统的离线语音识别引擎;自定义了家庭网关和ZigBee协调器之间的串口数据传输协议;使用TCP/IP通信协议以及Socket网络编程技术将封装好的家庭设备信息实时发送到服务器平台上。家庭网关服务器使用整合了“SpringMVC+MyBatis+Spring+Mysq1”框架的SpringBoot平台进行快速开发。我们通过用户管理、设备管理、数据查询等模块的设计,实现了服务器平台对家庭设备及其数据的管理。最后设计了 Android客户端以实时查看及控制家电设备,增强了用户的参与感。在本文最后,给出了语音控制网关系统的功能测试方法,测试结果表明,本文的语音控制网关系统基本实现了设计需求。
【图文】：
逦逦＞逡逑图２．１语音识别主要流程图逡逑２．１．２．１语音信号的预舰逡逑预处理即在语音识别之前先对输入语音进行一系列的声音处理，这样可以消除部分噪声逡逑带来的影响以及不同说话人带来的影响，对语音这样处理可以更好的反映语音的本质特征。逡逑语音预处理需要处理的流程包括语音信号的采样、量化、端点检测、加窗分倾等［３２］。采样量逡逑化是指对时域信号按奎斯特懫样定理，将连续信号不失真的转换成离散信号并对离散的信号逡逑进行Ａ／Ｄ数模转换，使得量化采样后的数据便于计算机使用。端点检测的作用是对给定的一逡逑段语音来确定该语音信号的起止点，经过端点检测后，对语音信号后期处理的计算量可以降逡逑低。因为语音信号是一个短时非平稳信号，不能用处理平稳信号的技术来分析它，但是如果逡逑时域信号我们把它的间隔划分的很小，那么在一个很短的时间间隔内，信号可以看作是一个逡逑准稳态的过程
该序列的概率，可以使用前向后向算法解决此问题；二是同样在给出观察序列的情况下，找逡逑出每个观测值最可能对应的ＨＭＭ状态序列，采用维特比算法解决此问题。第三是给定一个逡逑观察序列计算出ＨＭＭ的参数，常采用ＥＭ算法。ＨＭＭ模型图如图２．３所示。逡逑ａｌ２＿逦ａ２３逡逑ｙｌ逦ｙ２逦ｙ３逦ｙ４逡逑图２．３隐马尔科夫模型逡逑ＨＭＭ模型通常用三组模型参数Ａ邋＝邋Ａ妁来表示，＾？为初始概率［为状态转移概率，逡逑５表示观测值概率，图２．３中ａ为转移概率，６为观测值输出概率，ｘ为隐含状态为观察值。逡逑通常定义ＨＭＭ模型有ｉＶ个状态Ｓ邋＝以１１Ｓ邋Ｋ邋ｉＶ｝，在任意时刻／模型的状态为☆且☆邋ｅ邋Ｓ邋；逡逑模型的观测序列可以表示成0邋＝邋■［0／丨１邋Ｓ，在任意时刻／的观测值为。逡逑基于ＨＭＭ模型解决的三个问题，本文将详细分析解决此三个问题的算法。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的参数已经知晓即初始状态概率７、状态转移矩阵Ｊ、逡逑观测概率矩阵５己经给出的情况下，如果再给出观测序列０，，计算ＨＭＭ生成该序列的概率逡逑即}币澹ｅ义显冢龋停湍Ｐ椭惺褂们跋颍笙蛩惴ㄊ腔诟荩龋停湍Ｐ驮硭枰怨鄄庑蛄械闹到义闲斜槔扑悖绻褂帽┝扑惴椒ǖ惫鄄庑蛄泻艹な毙枰扑愕氖奔浠岚粗甘对黾樱卞义霞涓丛佣裙
本文编号：2702881
【图文】：
逦逦＞逡逑图２．１语音识别主要流程图逡逑２．１．２．１语音信号的预舰逡逑预处理即在语音识别之前先对输入语音进行一系列的声音处理，这样可以消除部分噪声逡逑带来的影响以及不同说话人带来的影响，对语音这样处理可以更好的反映语音的本质特征。逡逑语音预处理需要处理的流程包括语音信号的采样、量化、端点检测、加窗分倾等［３２］。采样量逡逑化是指对时域信号按奎斯特懫样定理，将连续信号不失真的转换成离散信号并对离散的信号逡逑进行Ａ／Ｄ数模转换，使得量化采样后的数据便于计算机使用。端点检测的作用是对给定的一逡逑段语音来确定该语音信号的起止点，经过端点检测后，对语音信号后期处理的计算量可以降逡逑低。因为语音信号是一个短时非平稳信号，不能用处理平稳信号的技术来分析它，但是如果逡逑时域信号我们把它的间隔划分的很小，那么在一个很短的时间间隔内，信号可以看作是一个逡逑准稳态的过程
该序列的概率，可以使用前向后向算法解决此问题；二是同样在给出观察序列的情况下，找逡逑出每个观测值最可能对应的ＨＭＭ状态序列，采用维特比算法解决此问题。第三是给定一个逡逑观察序列计算出ＨＭＭ的参数，常采用ＥＭ算法。ＨＭＭ模型图如图２．３所示。逡逑ａｌ２＿逦ａ２３逡逑ｙｌ逦ｙ２逦ｙ３逦ｙ４逡逑图２．３隐马尔科夫模型逡逑ＨＭＭ模型通常用三组模型参数Ａ邋＝邋Ａ妁来表示，＾？为初始概率［为状态转移概率，逡逑５表示观测值概率，图２．３中ａ为转移概率，６为观测值输出概率，ｘ为隐含状态为观察值。逡逑通常定义ＨＭＭ模型有ｉＶ个状态Ｓ邋＝以１１Ｓ邋Ｋ邋ｉＶ｝，在任意时刻／模型的状态为☆且☆邋ｅ邋Ｓ邋；逡逑模型的观测序列可以表示成0邋＝邋■［0／丨１邋Ｓ，在任意时刻／的观测值为。逡逑基于ＨＭＭ模型解决的三个问题，本文将详细分析解决此三个问题的算法。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的参数已经知晓即初始状态概率７、状态转移矩阵Ｊ、逡逑观测概率矩阵５己经给出的情况下，如果再给出观测序列０，，计算ＨＭＭ生成该序列的概率逡逑即}币澹ｅ义显冢龋停湍Ｐ椭惺褂们跋颍笙蛩惴ㄊ腔诟荩龋停湍Ｐ驮硭枰怨鄄庑蛄械闹到义闲斜槔扑悖绻褂帽┝扑惴椒ǖ惫鄄庑蛄泻艹な毙枰扑愕氖奔浠岚粗甘对黾樱卞义霞涓丛佣裙
本文编号：2702881
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2702881.html
