噪声环境下移动机器人语音控制技术研究

发布时间：2020-07-16 05:25

【摘要】：随着自动化技术的快速发展,机器人的功能日益强大,越来越多的机器人产品走进了寻常百姓的日常生活。在这种,背景下,鼠标、键盘、按键等传统的人机交互方式很难做到人和机器人协同工作,人们迫切希望找到一种更加便捷的人机交互方式,语音识别技术的出现使这种希望得以实现。语音识别技术作为机器人研究领域极其重要的一个分支,其目的就是让机器人能够听懂人类的语言,从而提供更加便捷高效的人机交互方式。实际环境中的噪声对语音识别系统的性能影响很大,系统的鲁棒性决定着语音识别技术能否从实验室研究走向大规模商业应用。本文在总结和分析现有的多种鲁棒语音识别技术的基础上,提出了一种新的鲁棒性语音特征提取方法,并基于该方法实现了带噪环境下对移动机器人的语音控制。首先,本论文全面研究了语音信号基本理论,并在理论研究的基础上对语音信号的预加重、分帧加窗等预处理技术进行了实验仿真,介绍了语音信号的时域分析和频域分析方法。对比目前常用的几种语音特征参数提取算法的特点,在完成了语音信号预处理的基础上进行了梅尔频率倒谱系数(MFCC)提取。其次,本论文对语音识别的流程进行了介绍,并对其中的关键技术语音识别模型训练算法进行了深入研究。对语言模型和声学模型的作用进行了介绍,并对比目前常用的几种声学模型训练算法的特点,对隐马尔可夫模型(HMM)进行了深入研究。然后,针对在实际语音识别系统中,由于语音模型训练环境和实际使用环境不匹配而造成识别性能下降的问题,本文对鲁棒语音识别技术进行了研究,并对其中的特征参数归一化法进行的了重点研究。提出了一种将特征参数归一化法和时问序列滤波器结合使用的鲁棒性特征提取方法,在MFCC特征参数提取的基础上进行鲁棒性语音特征提取,并通过实验对该算法效果进行验证。实验发现该方法能极大地提高语音识别系统在带噪环境下的识别准确率,增强了系统的鲁棒性。最后,本文研究了基于Arduino Mega2560单片机的移动机器人构建方法,并对其运动控制和蓝牙通信进行了重点研究。基于本论文所提出的鲁棒性语音特征提取方法,采用五个状态的左至右隐马尔可夫模型(left to right HMM)作为声学模型,开发了一款基安卓系统的语音识别软件,并通过该软件实现了在噪声环境下对移动机器人的语音控制。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242;TN912.3

【相似文献】