基于HMM的關鍵詞語音識別技術在智能家居中的應用研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、智能家居中使用語音識別控制技術具有方便快捷的特點,可以擺脫手動遙控帶來的繁瑣并解決智能化體驗差的問題,滿足人民大眾對家居生活智能化越來越高的需求。實際應用中家居系統對語音識別算法的識別率和識別效率要求較高,由于基于神經網絡算法的語音識別技術需依托因特網資源以及網絡高性能服務器平臺,無法達到智能家居對硬件低配,算法輕量的要求。目前大部分智能家居設備中的語音控制系統主要采用基于動態(tài)規(guī)整算法(DTW)的孤立詞識別系統、基于隱馬爾科夫模型(HM

2、M)的孤立詞識別系統以及部分高配置硬件系統采用的基于隱馬爾科夫填料模板的關鍵詞識別系統,這些算法存在識別率偏低或算法計算量大、效率偏低、不適于低配硬件環(huán)境以及孤立詞識別技術體驗效果差的問題。因此對智能家居系統中語音識別技術進行算法改進或者方案改進,保證同時滿足較高的算法識別速率和識別率,以滿足用戶對智能家居語音控制的體驗效果,對進一步開發(fā)智能家居系統具有重要的意義。
  首先對語音識別技術的基本原理進行了詳細介紹和分析,包括預處理

3、、特征提取、模板訓練和模式匹配四個環(huán)節(jié)。其次詳細介紹了目前智能家居中常用的輕量級語音識別算法,對算法優(yōu)點以及不足對比分析。對DTW和HMM分別對應的孤立詞識別系統和關鍵詞識別系統詳細介紹和對比分析,根據不足給出改進的關鍵詞識別算法。再次利用MATLAB工具進行系統仿真,測試算法可行性、識別率、識別速率等指標。最后利用B/S模式來設計開發(fā)一套基于Web平臺的關鍵詞語音識別系統。本文主要解決方案是在預處理階段,在傳統的低通濾波去噪基礎上,加

4、入小波去噪進行語音增強并抑制非平穩(wěn)噪聲。在特征提取以及端點檢測階段將傳統的端點檢測算法改為單音節(jié)端點檢測分割算法。識別階段滑動匹配所有音節(jié),將得分最高的提取出來,達到確認關鍵詞得分閡值即為關鍵詞。對改進的算法進行MATLAB仿真,關鍵詞識別率和識別速率基本達到系統要求,體驗效果得到改善,在一定程度上提高了智能家居語音控制智能化程度。對于系統存在的問題,提出了未來可以繼續(xù)改進的方向。
  關鍵詞:智能家居;語音識別;關鍵詞識別;動態(tài)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論