赵威威[1]2007年在《嵌入式语音识别及控制技术在智能家居系统中的应用》文中提出随着技术发展和生活水平的提高,人们对家居环境提出了更高要求,智能家居系统已成为目前的该领域的一个重要研究课题。语音是人类最自然的交互方式,利用语音识别与控制技术实现对家用电器的控制是智能家居的重要内容。论文基于微软公司的Microsoft Speech SDK语音开发平台,将语音识别技术集成于嵌入式操作系统Windows XP Embedded中,构建一个智能家居系统,实现对家用电器的语音控制。论文主要工作有:完成基于语音识别控制的智能家居系统方案设计。系统分软件和硬件两部分,上位机实现语音采集和识别、处理,发出相应的动作命令,通过串行通信,构成串行控制网络,控制具备符合接口规范的设备,通过语音实现对家用电器的遥控。对语音识别技术进行研究。经分析比较,采用基于HMM识别算法的Microsoft Speech SDK语音开发平台进行开发。该识别方法具有识别准确率高、便于和操作系统的无缝链接、调用简单方便等优点。研究嵌入式操作系统Windows XP Embedded在本系统中的应用,对系统配置、语音驱动等关键技术进行设计。定制的操作系统可很好的与语音识别软件包相匹配,对硬件配置要求低,有利于降低系统成本。利用单片机构建了执行机构,能和上位机进行可靠通信,并具有红外遥控等复杂控制功能,成本低廉。采用可视化编程完成应用程序设计,界面友好,具备扩展功能,功能增加便利,并便于新控制设备的加入。论文研究的智能家居控制系统能实现对家用电器的有效控制,装设便利、成本低廉、实用性强,并可方便地改造原有家居设备控制系统。论文研究的方法和技术可进一步在其它相关领域得到广泛应用。
翁玉茹[2]2015年在《基于语义理解的语音控制技术研究》文中研究说明语音控制技术是语音识别理论在控制领域的应用,具有十分重要的实用研究价值和应用意义。它不仅要求计算机能正确识别语音指令,还要求其能根据语音指令作出应答,以实现人和机器自由交互的目的。因此,本文从语音和语言两个角度对语音控制进行了研究。在声学信号层面,着重分析了端点检测及其在复杂噪声背景下的应用问题。双门限语音端点检测算法在低信噪比条件下准确率低,因此提出了结合经验模态分解(EMD)和交叉熵相结合的端点检测算法。在Matlab平台上进行仿真实验,证实了该方法在复杂噪声环境下的有效性。在控制方案的选择上,关键词系统比孤立词系统更为智能,比连续词语音控制系统运算速度更快,具有很大的优越性,因此选择了关键词的控制方式,并根据自然语言控制的特点选用了基于LVCSR的设计思路。以智能小车系统为研究背景,对其关键词表进行关键词检测实验。通过分析实验结果的不足,将关键词进行切分,重新建立了关键词表,并用多关键词检测方式同时检测,最后对检测结果进行修正。改进后的关键词检测试验大大提高了关键词检测的正确率,另一方面,它在检测的同时完成了中文分词的工作,大大减少了语义理解模块的工作量,为语义理解工作打下了良好的基础。在命令语言分析层面上,对关键词检测的结果进行进一步研究和讨论。由于控制系统的指令特点,多为以动词为中心词的祈使句,适合用格语法理论对其进行分析。结合应用背景,对格语法进行应用分析并提出改进思路,定义了“方向格”,修正了速度所属的格概念,合并了时间、长度、角度等格概念。填充格语义框架,并将其转化为机器指令。最后进行了系统实验,并对实验结果进行了分析和讨论。
邓阳[3]2014年在《基于Android平台的语音控制系统的设计与实现》文中研究说明随着移动通信技术和计算机应用技术的普及与发展,以自然语言为基础的人与终端设备之间的交流方式,已成为人类与计算机的交互中最方便快捷的交互方式。将音文转换技术与现代即时通信的智能控制技术相结合,不仅能够满足当代社会生活中人们对信息传递更高效的需求,还能够使娱乐、休闲变得更加方便快捷,将成为最具市场前景和发展潜力的移动互联增值业务之一。本文调研了国内外语音控制系统的研究现状和发展前景,分析了当前市场的需求,设计并实现了一种基于Android平台的语音控制系统。完成的主要工作有：第一,通过研究开源工具包lucence现存的中文分词技术,提出了一种将字符串匹配技术和统计分词法相结合的中文分词技术。该技术将逐词最大匹配法与高频优先分词法相结合,首先进行正向逐词最长匹配和逆向逐词最长匹配算法进行分词,然后将两次匹配的结果对比,最后与统计分词法相结合,对分词结果进行校准,克服了传统正向最大匹配法中存在的缺点。第二,采用有限状态机对后台各状态之间的转换进行控制。设计了一个有限状态机用以控制各模块之间的状态转换,模拟了一个有限状态机用于系统功能测试,并给出了状态机的最简性证明。本文所设计并实现的语音控制系统,采用了科大讯飞的ASR(Auto Speech Recognize,自动语音识别)接口进行前端语音识别,应用了lucence工具包进行后台中文分词处理,选择了有限状态机控制进行系统后台状态转换控制,能够通过用户发出的简单的语音命令或文字命令,对移动终端上的各类应用软件进行高效快捷的智能控制,十分适合在驾车、浴室、医院等环境中使用。此外,研究中以对类似于微信的即时交互应用程序的语音控制为例,对系统进行了整体测试,测试表明该系统具有很好的语音识别和智能控制的能力,反应速度较快,能够满足人们对于高效、便利、快捷的人机交互的需求。
王守帅[4]2013年在《室内远距离语音控制在电视机上的应用研究》文中研究表明语言是人类特有的功能，是人与人之间相互交流的重要方式。从计算机出现的那一刻，人们就希望能够用语言与机器交流，相互传递信息。随着现代科技的不断进步，语音接收与处理方面的技术及应用受到了人们的广泛关注，拥有广阔的应用前景。目前，在我们日常生活的很多领域已经实现了利用语音进行人机交互的功能。电视机作为家电产品中的重要组成部分，与人们的生活息息相关。将语音识别及控制技术应用于智能电视可以使得人机交互更加自然，改善用户体验。本文针对基于麦克风阵列的远距离拾音技术在电视机上的应用做了研究。首先，对语音识别系统进行整体介绍，了解其基本结构及远距离拾音的基本原理。其次，设计并制作基于麦克风阵列技术的声音拾取模块，并且对不同方案的拾音设备进行对比测试，验证基于麦克风阵列的语音增强系统的效果。最后，将语音识别应用于智能电视中，研究设计了一种室内远距离语音控制电视的人机交互方案。
邓金星[5]2006年在《基于EWB的语音控制电工电子实验CAI系统的研究》文中研究说明本文通过分析电子技术实验教学的现状和对CAI理论的探索,结合职业技术教育的特点,提出了利用语音控制的基于“虚拟电子工作台(EWB)”软件的电子技术实验CAI系统,并从几个方面进行了电子技术实验CAI系统设计工作。在制作该实验系统过程中,首先研究了语音识别技术在CAI系统中的应用,利用语音控制代替手工操作,增强了CAI系统的实用性和学生使用CAI系统的兴趣;其次研究了基于EWB的电子技术实验CAI系统的制作流程,阐述了系统制作的各个环节,较详细地介绍了Authorware的集成功能和部分实用技术,并通过实例介绍了其具体应用。对系统的应用对象、应用范围和应用效果,本文也作了简单介绍。本系统具有助教助学双重功能,通过本系统的软件学习模块,学生可自学EWB电路仿真软件的基本操作,将本系统应用到电子技术实验教学,可基本完成教学演示、学生实验和电路设计的前期工作。利用Authorware课件制作软件和EWB电路仿真软件,快捷、方便地开发电子技术虚拟实验系统,是一条利用现代教育技术手段改进电子技术实验教学的可行之路。本文提出了学习EWB软件的新型学习方法,对虚拟实验的实验模式和实验方案作了一些探索,对电子技术实验CAI系统的发展方向也作了简单介绍。
赵奎兵[6]2013年在《ZigBee与语音识别在智能家居系统中的应用研究》文中研究说明近年来物联网技术在我国得到了飞速发展,智能家居作为物联网技术的一个重要应用,已成为一个研究热点。随着科技水平以及生活质量的不断提高,人们对生活、工作场所环境提出了更高的要求。智能家居正逐步向节能、环保、集成化、智能化、网络化、规范化、人性化的方向不断发展。论文针对消费者对智能家居的功能需求及现有产品的优缺点,提出并设计了一种基于ZigBee无线通信技术及SPCE061A语音识别技术的智能家居系统解决方案。所设计的系统共分为网关、手机终端、智能安防、智能家电、遥控器、语音识别六大子系统。网关控制器采用计算机作为上位机,并通过Visual Basic语言编写采集控制程序。手机终端设备操作软件能够通过Wi-Fi局域网访问网关控制器,实现对家电、设备进行控制。系统采用CC2530芯片来设计ZigBee网络通信节点,采用可燃气体、温湿度、雨滴等多种传感器来实现家居的智能安防及室内、外的环境监测。将ZigBee技术集成到按键遥控器、学习型红外遥控器以及无线开关中,能够实现对液晶电视、空调、燃气电磁阀、滴灌电磁阀等家电或其它设备的控制；将GSM短信网络技术与ZigBee技术相结合,通过短信息指令的形式实现家电、设备的控制或接收智能安防系统的报警信息；将凌阳16位SPCE061A单片机的语音识别功能与ZigBee技术集成,通过语音识别来实现对家电、设备的语音控制。论文从叁个方面对所研究设计的智能家居系统进行了阐述。首先对智能家居系统进行总体设计,提出了基于ZigBee技术与语音识别技术的智能家居系统框架,系统内的ZigBee节点采用网状网的网络拓扑形式进行连接；然后对系统进行硬件设计和软件设计,其中CC2530芯片采用TI官方提供的ZigBee PRO/2007协议栈进行软件设计,多传感器采集数据采用信息融合算法进行软件设计,以保证网关控制家电设备的准确性；最后对整个系统进行测试和优化,重点测试了CC2530通信节点模块的通讯距离、丢包率等指标。论文研究的基于ZigBee技术的智能家居系统,集成了多传感器、SPCE061A语音识别、GSM网络通信、IrDA等相关技术,实现家电设备的语音控制和远程遥控,在语音识别和远程遥控方面有新意。测试表明,所设计的智能家居系统具有稳定性高、扩展性好、安装使用方便等特点,具有一定的实用价值。
王明哲[7]2016年在《HMM算法在智能家居设计中的应用》文中研究指明随着经济社会的发展,人们对家居环境有了更新的认识,生活的品味提高,智能化设备的大量使用,使得智能家居系统很快的走进了人们的生活。智能家居系统也成为目前的科学研究领域的一个重要研究方向。智能家居集成了大量的电子设备,将设备网络化,形成了物联网下的智能设备应用体系。智能家居是通过物联网技术为家庭提供了这种应用设备,智能家居的控制技术研究是目前智能家居研究方向的热点技术,控制板、手机APP、一键遥控器、手势识别、语音控制等都是智能家居控制技术的方式。采用语音方式,是最方便的控制手段,语音是最方便的交互方式,语音控制在智能家居中的重要性就显得尤为突出,因此利用语音识别与控制技术实现对家用电器的控制是智能家居的重要内容,本文将重点介绍基于隐马尔可夫模型算法(HMM)语音控制技术研究,并实现该技术在智能家居设计中的应用。隐马尔可夫(HMM)模型技术应用于语音识别,对该技术进行了改进,并利用该技术实现了智能家居系统方案设计。使用语音识别技术,间接的通过语音实现对家用电子设备的控制。论文研究的智能家居控制系统能实现对家用电子设备的有效控制,装设便利、成本低廉、实用性强,并可方便地改造原有家居设备控制系统。论文中提及的研究方法和技术可进一步在其它相关领域得到广泛应用。
高瑞泽[8]2018年在《智能家居Hybrid App的设计与实现》文中进行了进一步梳理随着移动开发技术和无线通信技术的发展,智能家居行业的解决方案正在经历从有线控制向无线控制的转型。移动应用作为无线控制终端方案的一种,自然是各智能家居企业的重点研究对象。但目前在智能家居无线遥控领域,尚没有成熟的系统设计模式和应用开发方案。目前移动设备操作系统平台众多,企业对每个平台进行应用开发,显然要耗费大量的时间和精力。面对多变的智能家居市场需求,企业需要快速地对软件功能进行迭代和更新,但受限于多平台开发的巨大工作量,软件往往不能即时满足市场需求甚至落后于市场需求。为了解决上诉问题,本文对国内外智能家居控制系统的研究现状进行分析,对移动应用的开发技术和跨平台技术进行一系列对比,结合智能家居无线控制系统的特性,对系统架构和应用功能模块进行设计,最终提出了一套跨平台的智能家居应用开发方案。本文的主要工作内容如下:1、分析智能家居无线控制系统的可行性,确定客户端应用的功能性需求与非功能性需求。2、对比各移动开发技术和跨平台开发技术的利弊,选择合适的开发技术和跨平台方案。3、结合智能家居控制系统的特性,对应用功能模块进行设计和实现,使应用满足智能家居软件智能化的软件需求,并使其具有一定的安全性,扩展性和软实时性。4、对应用进行优化和测试并对结果进行分析,通过实验发现应用的不足。本文设计了智能家居无线控制系统的系统框架,并对移动应用进行了详细设计与实现,由于现如今无线控制的智能家居领域,尚无权威的系统设计方案和应用开发方案,本文对移动开发技术进行分析对比,提出了Ionic、AngularJs等web技术与Cordova跨平台技术相结合的开发方案,为智能家居移动应用的开发提供了一条可行的开发思路。
雷涛[9]2004年在《基于神经网络的语音识别研究》文中认为语音识别由于其重要的理论价值与广阔的应用前景,受到人们的广泛重视。到目前为止,语音识别研究大部分以线性系统理论为基础,主要应用隐马尔可夫模型(HMM)与动态时间规整(DTW)等技术。随着研究的逐步深入,人们发现语音是一个复杂的非线性过程,基于线性系统理论的语音识别方法的局限性越来越凸显。语音识别若要取得突破,必须引入非线性理论的方法。近年来,人工神经网络(ANN)、混沌、分形等非线性理论研究和应用的逐渐深入,将这些理论应用于语音识别成为可能。因此,本文将以神经网络为基础,并引入混沌与分形理论来进行语音识别的研究。 本文主要研究了基于神经网络的语音识别。对语音识别的预处理、特征提取与识别算法等环节进行了计算验证、性能分析和结果评述,对本文所使用到的几种识别方法的识别性能与应用特点进行了比较,分析讨论了在语音识别研究中神经网络的设计原则以及不同的特征参数等方面对语音识别结果的影响,研究构造了相应的语音识别模型与算法,并完成了实验软件平台的设计与开发。基于语音时域波形表现出的分形特性,把语音的分形维数作为语音识别的一个特征参数,并结合传统的语音特征参数,本文提出了基于MFCC与分形维数混合参数的语音识别方法,以更好地表现语音的特征,避免传统的分段线性处理所产生的局限性,提高了识别性能。实验结果显示,该方法比传统的MFCC参数的语音识别方法具有更好的识别性能。在上述研究的基础上,本文进一步研究了语音信号中的混沌机制,将混沌神经网络(CNN)应用到语音识别,以一种混沌神经元为基础,构造了一个混沌神经网络,提出了一种基于混沌神经网络的语音识别方法。实验结果表明,该方法有较好的识别性能与独特的应用优势。针对孤立词语音识别任务,论文进行了机械臂语音控制的实验,实验结果达到了预期的效果。
吾提库尔·艾尔肯[10]2017年在《维吾尔语语音识别技术在智能家居中的研究与应用》文中研究说明传统的电器,传统的家用设备都已经显得过期了。所以如果有一种办法使得以前的老电器不换的情况下通过智能手机实现维吾尔语语音控制控制是具备研究意义与实践意义的一个课题。处于这样的想法我开始本轮中的研究工作。智能家居系统是以家庭为单位,运用模式识别,控制指令映射,通信网络组建,语音识别,语义理解,第叁方智能中控组成。目前在市场上,没有任何维吾尔语语音控制的智能家居产品。维吾尔语语音识别技术近年来逐渐成熟,新疆大学为首的一批研究者们的长期努力下新疆大学积累了相关领域的关键技术。在维吾尔语语音识别领域研究工作中新疆大学信息科学与工程学院的科研能力很强,具备长年积累。本人在研究生阶段参与了实验室的语音识别相关的项目,从中受益很多。我用叁年学习时间将语音识别知识为背景结合了智能家居硬件设备,将维吾尔语语音识别技术应用到智能家居领域中。通过语音技术来识别技术与智能家居技术的整合后进行旧家电的维吾尔语语音控制,建立了方便、智能的家居控制客户端应用程序,使得系统更加智能化、人性化。本文着重研究基于CMU Sphinx 4.0维吾尔语语音识别和通过智能家居硬件接口实现语音控制电器设备(电视,灯泡,热水壶,热水器等通过开关进行控制的电器设备与通过遥控控制的电器设备)。维吾尔语短语语音识别过程由四个部分(语音信号特征参数提取、构建声学模型、构建语言模型和解码器部分的模式匹配)组成。本文对这四个部分相关的技术进行了详细的比较和分析,选择MFCC、HMM和N-gram等技术及其相关算法进行了研究,除此之外本论文中详细阐述了MFCC特征参数提取方法、HMM声学模型及其相关算法以及N-gram语言模型及平滑处理方法。所实现的语言模型与声学模型在Android系统的智能手机中实现集成到手机应用程序实现了语音控制智能家居系统中的语音识别模块。最终语音识别模块通过与手机wifi无线通讯协议相连接的智能家居硬件的API实现电器设备的控制。实现了维吾尔语语音控制智能家居的应用程序。
参考文献：
[1]. 嵌入式语音识别及控制技术在智能家居系统中的应用[D]. 赵威威. 重庆大学. 2007
[2]. 基于语义理解的语音控制技术研究[D]. 翁玉茹. 天津大学. 2015
[3]. 基于Android平台的语音控制系统的设计与实现[D]. 邓阳. 东北大学. 2014
[4]. 室内远距离语音控制在电视机上的应用研究[D]. 王守帅. 中国海洋大学. 2013
[5]. 基于EWB的语音控制电工电子实验CAI系统的研究[D]. 邓金星. 东南大学. 2006
[6]. ZigBee与语音识别在智能家居系统中的应用研究[D]. 赵奎兵. 大连理工大学. 2013
[7]. HMM算法在智能家居设计中的应用[D]. 王明哲. 黑龙江大学. 2016
[8]. 智能家居Hybrid App的设计与实现[D]. 高瑞泽. 南昌航空大学. 2018
[9]. 基于神经网络的语音识别研究[D]. 雷涛. 浙江工业大学. 2004
[10]. 维吾尔语语音识别技术在智能家居中的研究与应用[D]. 吾提库尔·艾尔肯. 新疆大学. 2017
标签：电信技术论文; 智能家居论文; 自然语言处理论文; 语音识别论文; 智能家居控制系统论文; 语音芯片论文; 功能分析论文; zigbee论文; 人工智能论文; 模式识别论文; 智能家居解决方案论文;