【摘要】：當(dāng)前智能家居語音控制網(wǎng)關(guān)設(shè)備的語音處理普遍在線上進(jìn)行,在沒有互聯(lián)網(wǎng)連接、網(wǎng)絡(luò)異�；蛘咚俣嚷惹樾蜗�,網(wǎng)關(guān)獲取不到語音指令從而無法對(duì)家庭設(shè)備進(jìn)行控制,嚴(yán)重依賴互聯(lián)網(wǎng)的連接。此外,部分網(wǎng)關(guān)控制系統(tǒng)連接家電設(shè)備使用有線連接方式,不利于系統(tǒng)擴(kuò)展。針對(duì)以上缺陷,本文研究與設(shè)計(jì)了一款融合ZigBee和WiFi無線網(wǎng)絡(luò)技術(shù)的網(wǎng)關(guān)系統(tǒng),此系統(tǒng)可以在線下對(duì)語音進(jìn)行識(shí)別,實(shí)現(xiàn)了在有無網(wǎng)絡(luò)連接的情況下均可使用語音對(duì)家庭設(shè)備進(jìn)行控制;并且該網(wǎng)關(guān)系統(tǒng)使用BP神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)用戶常用指令,以實(shí)現(xiàn)離線時(shí)智能控制,提高用戶體驗(yàn),使得在離線時(shí)擁有和在線時(shí)無差別的體驗(yàn)。本文首先對(duì)該系統(tǒng)所需要的語音識(shí)別基本原理知識(shí)進(jìn)行了介紹,以及對(duì)離線語音識(shí)別模型、BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了研究。其中,對(duì)BP神經(jīng)網(wǎng)絡(luò)算法和語音識(shí)別模型中使用到的前向后向算法、Viterbi算法、Baum-Welch算法進(jìn)行了深入分析。最后結(jié)合ZigBee-WiFi網(wǎng)絡(luò)、Web開發(fā)、Android開發(fā)等技術(shù),設(shè)計(jì)并實(shí)現(xiàn)了本智能家居語音控制網(wǎng)關(guān)系統(tǒng)。本文從語音控制家庭網(wǎng)關(guān)設(shè)備、服務(wù)器平臺(tái)、用戶Android客戶端這三個(gè)方面對(duì)智能家居語音控制網(wǎng)關(guān)系統(tǒng)進(jìn)行了介紹。語音控制家庭網(wǎng)關(guān)設(shè)備硬件由Exynos 4412開發(fā)平臺(tái)和ZigBee模塊、拾音設(shè)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(shí)別算法與HTK語音識(shí)別工具對(duì)語音樣本進(jìn)行聲學(xué)模型和語言模型訓(xùn)練,并將結(jié)果作為本系統(tǒng)的離線語音識(shí)別引擎;自定義了家庭網(wǎng)關(guān)和ZigBee協(xié)調(diào)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(luò)編程技術(shù)將封裝好的家庭設(shè)備信息實(shí)時(shí)發(fā)送到服務(wù)器平臺(tái)上。家庭網(wǎng)關(guān)服務(wù)器使用整合了“SpringMVC+MyBatis+Spring+Mysq1”框架的SpringBoot平臺(tái)進(jìn)行快速開發(fā)。我們通過用戶管理、設(shè)備管理、數(shù)據(jù)查詢等模塊的設(shè)計(jì),實(shí)現(xiàn)了服務(wù)器平臺(tái)對(duì)家庭設(shè)備及其數(shù)據(jù)的管理。最后設(shè)計(jì)了 Android客戶端以實(shí)時(shí)查看及控制家電設(shè)備,增強(qiáng)了用戶的參與感。在本文最后,給出了語音控制網(wǎng)關(guān)系統(tǒng)的功能測(cè)試方法,測(cè)試結(jié)果表明,本文的語音控制網(wǎng)關(guān)系統(tǒng)基本實(shí)現(xiàn)了設(shè)計(jì)需求。
【圖文】：

邐邐＞逡逑圖２．１語音識(shí)別主要流程圖逡逑２．１．２．１語音信號(hào)的預(yù)艦逡逑預(yù)處理即在語音識(shí)別之前先對(duì)輸入語音進(jìn)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(duì)語音這樣處理可以更好的反映語音的本質(zhì)特征。逡逑語音預(yù)處理需要處理的流程包括語音信號(hào)的采樣、量化、端點(diǎn)檢測(cè)、加窗分傾等［３２］。采樣量逡逑化是指對(duì)時(shí)域信號(hào)按奎斯特懫樣定理，將連續(xù)信號(hào)不失真的轉(zhuǎn)換成離散信號(hào)并對(duì)離散的信號(hào)逡逑進(jìn)行Ａ／Ｄ數(shù)模轉(zhuǎn)換，使得量化采樣后的數(shù)據(jù)便于計(jì)算機(jī)使用。端點(diǎn)檢測(cè)的作用是對(duì)給定的一逡逑段語音來確定該語音信號(hào)的起止點(diǎn)，經(jīng)過端點(diǎn)檢測(cè)后，對(duì)語音信號(hào)后期處理的計(jì)算量可以降逡逑低。因?yàn)檎Z音信號(hào)是一個(gè)短時(shí)非平穩(wěn)信號(hào)，不能用處理平穩(wěn)信號(hào)的技術(shù)來分析它，但是如果逡逑時(shí)域信號(hào)我們把它的間隔劃分的很小，那么在一個(gè)很短的時(shí)間間隔內(nèi)，信號(hào)可以看作是一個(gè)逡逑準(zhǔn)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(gè)觀測(cè)值最可能對(duì)應(yīng)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(gè)逡逑觀察序列計(jì)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(zhuǎn)移概率，逡逑５表示觀測(cè)值概率，圖２．３中ａ為轉(zhuǎn)移概率，６為觀測(cè)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(gè)狀態(tài)Ｓ邋＝以１１Ｓ邋Ｋ邋ｉＶ｝，在任意時(shí)刻／模型的狀態(tài)為☆且☆邋ｅ邋Ｓ邋；逡逑模型的觀測(cè)序列可以表示成0邋＝邋■［0／丨１邋Ｓ，在任意時(shí)刻／的觀測(cè)值為。逡逑基于ＨＭＭ模型解決的三個(gè)問題，本文將詳細(xì)分析解決此三個(gè)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(zhuǎn)移矩陣Ｊ、逡逑觀測(cè)概率矩陣５己經(jīng)給出的情況下，如果再給出觀測(cè)序列０，，計(jì)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撲悖綣褂帽┝撲惴椒ǖ憊鄄廡蛄瀉艸な斃枰撲愕氖奔浠嵐粗甘對(duì)黽櫻卞義霞涓叢傭裙

本文編號(hào)：2702881