基于HMM的关键词语音识别技术在智能家居中的应用研究

摘要

智能家居中使用语音识别控制技术具有方便快捷的特点，可以摆脱手动遥控带来的繁琐并解决智能化体验差的问题，满足人民大众对家居生活智能化越来越高的需求。实际应用中家居系统对语音识别算法的识别率和识别效率要求较高，由于基于神经网络算法的语音识别技术需依托因特网资源以及网络高性能服务器平台，无法达到智能家居对硬件低配，算法轻量的要求。目前大部分智能家居设备中的语音控制系统主要采用基于动态规整算法(DTW)的孤立词识别系统、基于隐马尔科夫模型(HMM)的孤立词识别系统以及部分高配置硬件系统采用的基于隐马尔科夫填料模板的关键词识别系统，这些算法存在识别率偏低或算法计算量大、效率偏低、不适于低配硬件环境以及孤立词识别技术体验效果差的问题。因此对智能家居系统中语音识别技术进行算法改进或者方案改进，保证同时满足较高的算法识别速率和识别率，以满足用户对智能家居语音控制的体验效果，对进一步开发智能家居系统具有重要的意义。
　　首先对语音识别技术的基本原理进行了详细介绍和分析，包括预处理、特征提取、模板训练和模式匹配四个环节。其次详细介绍了目前智能家居中常用的轻量级语音识别算法，对算法优点以及不足对比分析。对DTW和HMM分别对应的孤立词识别系统和关键词识别系统详细介绍和对比分析，根据不足给出改进的关键词识别算法。再次利用MATLAB工具进行系统仿真，测试算法可行性、识别率、识别速率等指标。最后利用B/S模式来设计开发一套基于Web平台的关键词语音识别系统。本文主要解决方案是在预处理阶段，在传统的低通滤波去噪基础上，加入小波去噪进行语音增强并抑制非平稳噪声。在特征提取以及端点检测阶段将传统的端点检测算法改为单音节端点检测分割算法。识别阶段滑动匹配所有音节，将得分最高的提取出来，达到确认关键词得分阂值即为关键词。对改进的算法进行MATLAB仿真，关键词识别率和识别速率基本达到系统要求，体验效果得到改善，在一定程度上提高了智能家居语音控制智能化程度。对于系统存在的问题，提出了未来可以继续改进的方向。
　　关键词:智能家居;语音识别;关键词识别;动态规整;隐马尔科夫模型

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 智能家居语音识别国内外研究现状

1．3 论文主要工作和结构安排

2 语音识别原理

2．1 语音信号的预处理

2．1．1 采样量化滤波

2．1．2 小波去噪语音增强

2．1．3 语音信号预加重

2．1．4 语音信号加窗分帧

2．2 语音信号的特征提取

2．2．1 端点检测

2．2．2 线性预测编码

2．2．3 线性预测倒谱系数

2．2．4 梅尔频率倒谱系数

2．3 模式匹配及识别算法

2．3．1 动态时间规整DTW

2．3．2 隐马尔科夫模型原理

2．4 本章小结

3 智能家居语音识别技术

3．1 智能家居环境中HMM关键词识别系统

3．1．1 端点检测

3．1．2 参数提取

3．1．3 模板训练

3．1．4 识别算法

3．2 本章小结

4 智能家居语音控制系统设计

4．1 系统总体设计

4．2 客户终端设计

4．3 主控终端设计

4．4 系统测试

4．4．2 web识别系统环境下关键词语音识别实验结

4．4．3 系统比较

4．5 本章小结

5 总结与展望

5．1 全文工作总结

5．2 后续研究工作

致谢

参考文献

攻读学位期间的研究成果