【文章內(nèi)容簡(jiǎn)介】 領(lǐng)域的優(yōu)勢(shì)開(kāi)發(fā)出智能家居的產(chǎn)品，能更好地和家電結(jié)合在一起，他們利用自己的渠道優(yōu)勢(shì)和市場(chǎng)影響力，積累多年的管理經(jīng)驗(yàn)、生產(chǎn)經(jīng)驗(yàn)和良好的售后服務(wù)、企業(yè)信譽(yù)來(lái)打開(kāi)市場(chǎng)。 內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 3 智能家居的功能及意義 智能家居 （ Smart Home） 頻繁出現(xiàn)在各大媒體上，成了人們耳熟能詳?shù)脑~匯。目前關(guān)于智能家居的稱(chēng)謂多種多樣，諸如：電子家庭 （ Electronic Home） 、 eHome、數(shù)字家園 （ Digital family） 、家庭自動(dòng)化 （ Home Automation） 、家庭網(wǎng)絡(luò) （ Home /Networks for Home） 、網(wǎng)絡(luò)家居 （ Network Home） 、智能化家庭 （ Inte1ligent home） 等等幾十種，盡管名稱(chēng)是五花八門(mén)，但它們的含義和所要完成的功能大體是相同的。 目前通常把智能家居被定義為利用電腦、網(wǎng)絡(luò)和綜合布線技術(shù)，通過(guò)家庭信息管理平臺(tái)將與家居生活有關(guān)的各種子系統(tǒng)有機(jī)地結(jié)合的一個(gè)系統(tǒng)。也就是說(shuō)，首先，它們都要在一個(gè)家居中建立一個(gè)通訊網(wǎng)絡(luò)，為家庭信息提供必要的通路，在家庭網(wǎng)絡(luò)的操作系統(tǒng)的控制下，通過(guò)相應(yīng)的硬件和執(zhí)行機(jī)構(gòu)，實(shí)現(xiàn)對(duì)所有家庭網(wǎng)絡(luò)上的家電和設(shè)備的控制和監(jiān)測(cè)。其次，它們都要通過(guò)一 定的媒介平臺(tái)，構(gòu)成與外界的通訊通道，以實(shí)現(xiàn)與家庭以外的世界溝信息，滿(mǎn)足遠(yuǎn)程控制 /監(jiān)測(cè)和交換信息的需求。最后，它們的最終目的都是為滿(mǎn)足人們對(duì)安全、舒適、方便和符合綠色環(huán)境保護(hù)的需求 。 Speech SDK簡(jiǎn)介 微軟的 Speech SDK是是微軟提供的軟件開(kāi)發(fā)包，其中包含了語(yǔ)音識(shí)別和合成引擎相關(guān)組件、幫助文檔和例程，它是 —個(gè)語(yǔ)音識(shí)別和合成的二次開(kāi)發(fā)平臺(tái)。我們可以利用這個(gè)平臺(tái)，在自己開(kāi)發(fā)的軟件里嵌入語(yǔ)音識(shí)別和合成功能，從而使用戶(hù)可以用聲音來(lái)代替鼠標(biāo)和鍵盤(pán)完成部分操作，例如：文字輸入、菜單控制等，實(shí)現(xiàn)真正的 “人機(jī)對(duì) 話 ”。 Speech SDK是基于 COM的視窗操作系統(tǒng)開(kāi)發(fā)工具包。這個(gè) SDK中含有語(yǔ)音應(yīng)用程序接口（ SAPI），微軟連續(xù)語(yǔ)音識(shí)別引擎（ MCSR）以及串聯(lián)語(yǔ)音合成（又稱(chēng)文本到語(yǔ)音）引擎（ TTS）等等。 圖 SAPI框架圖 內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 4 SAPI 中還包括對(duì)于低層控制和高度適應(yīng)性的直接語(yǔ)音管理，訓(xùn)練向?qū)?，事件，語(yǔ)法，編譯，資源，語(yǔ)音識(shí)別管理以及文本到語(yǔ)音管理，其結(jié)構(gòu)如圖 。 在 圖 ，語(yǔ)音框架主要靠 SAPI運(yùn)行來(lái)實(shí)現(xiàn)應(yīng)用程序與語(yǔ)音引擎之間的協(xié)作，而SAPI提供各種接口實(shí)現(xiàn)不同的語(yǔ)音功能， SAPI使得應(yīng)用 程序和語(yǔ)音引擎之間高度緊密的結(jié)合，實(shí)時(shí)處理各種語(yǔ)音引擎在底層工作中的細(xì)節(jié)。本系統(tǒng)會(huì)同時(shí)使用到 SPEECH SDK的語(yǔ)音識(shí)別引擎和 TTS合成引擎．因此，對(duì)這兩個(gè)引擎的相關(guān)控制命令介紹如下。 語(yǔ)音識(shí)別引擎接口 (1)識(shí)別上下文 (1spRecoContext)接口：是主要的語(yǔ)音識(shí)別程序接口，主要用于發(fā)送和接收與語(yǔ)音識(shí)別相關(guān)的消息通知，創(chuàng)建語(yǔ)法規(guī)則對(duì)象。 (2)語(yǔ)音識(shí)別引擎 (1spReeognizer)接口：用于創(chuàng)建語(yǔ)音識(shí)別引擎的實(shí)例。 SAPI擁有兩種不同的語(yǔ)音識(shí)別引擎類(lèi)型，一個(gè)是共享的語(yǔ)音識(shí)別引擎 (SharedRecognizer)。由于它可以與其他語(yǔ)音識(shí)別應(yīng)用程序共享其程序資源，所以在大多數(shù)場(chǎng)合中被推薦使用。需要建立一個(gè)采用共享語(yǔ)音識(shí)別引擎的識(shí)別環(huán)境 (IspRecoContext)。一個(gè)是獨(dú)占(1nProcRecognizer)的引擎，它只能由創(chuàng)建的應(yīng)用程序使用，而共享引擎可以提供多個(gè)應(yīng)用程序使用。 (3)語(yǔ)法規(guī)則 (IspRecoGrammar)接口：定義引擎需要識(shí)別的具體內(nèi)容，創(chuàng)建、載入和激活識(shí)別用的語(yǔ)法規(guī)則。 (4)識(shí)別結(jié)果 (IspVoice)接口：用于獲取識(shí)別的結(jié)果，包括識(shí)別的文字，識(shí)別的語(yǔ)法規(guī)則等。 語(yǔ) 音合成引擎接口 語(yǔ)音合成 (ISpVoice)接口：主要功能是實(shí)現(xiàn)文本到語(yǔ)音的轉(zhuǎn)換。它的作用如使用IspVoice：： Speak來(lái)從文本數(shù)據(jù)生成語(yǔ)音，從而使電腦會(huì)說(shuō)話。當(dāng)處于異步工作時(shí)，可以使用 IspVoiee：： CetStatus來(lái)獲得發(fā)音狀態(tài)及文本位置等。在接口中，有許多成員函數(shù)，通過(guò)這些成員函數(shù)可以實(shí)現(xiàn)對(duì)發(fā)音頻率、發(fā)音音量等合成屬性進(jìn)行調(diào)整。在 C中，我們通過(guò)實(shí)現(xiàn) ISpVoice接口的 SpVoice類(lèi)來(lái)實(shí)現(xiàn)語(yǔ)音合成。具體步驟如下： (1)首先創(chuàng)建 SpVoice類(lèi)的對(duì)象； (2)利用對(duì)象成員函數(shù)設(shè)置語(yǔ)音屬 性，如果不設(shè)置，則按默認(rèn)方式處理； (3)調(diào)用對(duì)象成員函數(shù) speak函數(shù)來(lái)朗讀指定文本 Speak函數(shù)需要兩個(gè)參數(shù)，第一個(gè)參數(shù)指明需要朗讀的文本。第二個(gè)參數(shù)指明發(fā)音方式。 內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 5 語(yǔ)音識(shí)別的發(fā)展歷史及應(yīng)用領(lǐng)域 國(guó)外研究歷史及現(xiàn)狀 語(yǔ)音識(shí)別的研究工作可以追溯到 20世紀(jì) 50年代 ATamp。T貝爾實(shí)驗(yàn)室的 Audry系統(tǒng)，它是第一個(gè)可以識(shí)別十個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng)。 但真正取得實(shí)質(zhì)性進(jìn)展，并將其作為一個(gè)重要的課題開(kāi)展研究則是在 60年代末 70年代初。這首先是因?yàn)橛?jì)算機(jī)技術(shù)的發(fā)展為語(yǔ)音識(shí)別的實(shí)現(xiàn)提供了硬件和軟件的可能，更重要的是語(yǔ)音 信號(hào)線性預(yù)測(cè)編碼（ LPC）技術(shù)和動(dòng)態(tài)時(shí)間規(guī)整（ DTW）技術(shù)的提出，有效的解決了語(yǔ)音信號(hào)的特征提取和不等長(zhǎng)匹配問(wèn)題。這一時(shí)期的語(yǔ)音識(shí)別主要基于模板匹配原理，研究的領(lǐng)域局限在特定人，小詞匯表的孤立詞識(shí)別，實(shí)現(xiàn)了基于線性預(yù)測(cè)倒譜和 DTW技術(shù)的特定人孤立詞語(yǔ)音識(shí)別系統(tǒng)；同時(shí)提出了矢量量化 (VQ) 和隱馬爾可夫模型 (HMM) 理論。 隨著應(yīng)用領(lǐng)域的擴(kuò)大，小詞匯表、特定人、孤立詞等這些對(duì)語(yǔ)音識(shí)別的約束條件需要放寬，與此同時(shí)也帶來(lái)了許多新的問(wèn)題：第一，詞匯表的擴(kuò)大使得模板的選取和建立發(fā)生困難；第二，連續(xù)語(yǔ)音中，各個(gè)音素、 音節(jié)以及詞之間沒(méi)有明顯的邊界，各個(gè)發(fā)音單位存在受上下文強(qiáng)烈影響的協(xié)同發(fā)音（ Coarticulation）現(xiàn)象；第三，非特定人識(shí)別時(shí)，不同的人說(shuō)相同的話相應(yīng)的聲學(xué)特征有很大的差異，即使相同的人在不同的時(shí)間、生理、心理狀態(tài)下，說(shuō)同樣內(nèi)容的話也會(huì)有很大的差異；第四，識(shí)別的語(yǔ)音中有背景噪聲或其他干擾。因此原有的模板匹配方法已不再適用。 實(shí)驗(yàn)室語(yǔ)音識(shí)別研究的巨大突破產(chǎn)生于 20世紀(jì) 80年代末：人們終于在實(shí)驗(yàn)室突破了大詞匯量、連續(xù)語(yǔ)音和非特定人這三大障礙，第一次把這三個(gè)特性都集成在一個(gè)系統(tǒng)中，比較典型的是卡耐基梅隆大學(xué) (Carnegie Mellon University)的 Sphinx系統(tǒng)，它是第一個(gè)高性能的非特定人、大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)。 這一時(shí)期，語(yǔ)音識(shí)別研究進(jìn)一步走向深入，其顯著特征是 HMM模型和人工神經(jīng)元網(wǎng)絡(luò) (ANN) 在語(yǔ)音識(shí)別中的成功應(yīng)用。 HMM 模型的廣泛應(yīng)用應(yīng)歸功于 ATamp。T Bell 實(shí)驗(yàn)室Rabiner 等科學(xué)家的努力，他們把原本艱澀的 HMM純數(shù)學(xué)模型工程化，從而為更多研究者了解和認(rèn)識(shí)，從而使統(tǒng)計(jì)方法成為了語(yǔ)音識(shí)別技術(shù)的主流。 統(tǒng)計(jì)方法將研究者的視線從微觀轉(zhuǎn)向宏觀，不再刻意追求語(yǔ)音特征的細(xì)化，而是 更多地從整體平均（統(tǒng)計(jì)）的角度來(lái)建立最佳的語(yǔ)音識(shí)別系統(tǒng)。在聲學(xué)模型方面，以 Markov鏈為基礎(chǔ)的語(yǔ)音序列建模方法 HMM（隱式 Markov鏈）比較有效地解決了語(yǔ)音信號(hào)短時(shí)內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 6 穩(wěn)定、長(zhǎng)時(shí)時(shí)變的特性，并且能根據(jù)一些基本建模單元構(gòu)造成連續(xù)語(yǔ)音的句子模型，達(dá)到了比較高的建模精度和建模靈活性。在語(yǔ)言層面上，通過(guò)統(tǒng)計(jì)真實(shí)大規(guī)模語(yǔ)料的詞之間同現(xiàn)概率即 N元統(tǒng)計(jì)模型來(lái)區(qū)分識(shí)別帶來(lái)的模糊音和同音詞。另外，人工神經(jīng)網(wǎng)絡(luò)方法、基于文法規(guī)則的語(yǔ)言處理機(jī)制等也在語(yǔ)音識(shí)別中得到了應(yīng)用。 20世紀(jì) 90年代前期，許多著名的大公司如 IBM、蘋(píng)果、 AT＆ T和 NTT都對(duì)語(yǔ)音識(shí)別系統(tǒng)的實(shí)用化研究投以巨資。語(yǔ)音識(shí)別技術(shù)有一個(gè)很好的評(píng)估機(jī)制，那就是識(shí)別的準(zhǔn)確率，而這項(xiàng)指標(biāo)在 20世紀(jì) 90年代中后期實(shí)驗(yàn)室研究中得到了不斷的提高。比較有代表性的系統(tǒng)有： IBM公司推出的 Via Voice和 Dragon System公司的 Naturally Speaking， Nuance公司的 Nuance Voice Platform語(yǔ)音平臺(tái)， Microsoft的 Whisper， Sun的 VoiceTone等。 其中 IBM公司于 1997 年開(kāi)發(fā)出漢語(yǔ) ViaVoice 語(yǔ)音識(shí)別系統(tǒng)，次 年又開(kāi)發(fā)出可以識(shí)別上海話、廣東話和四川話等地方口音的語(yǔ)音識(shí)別系統(tǒng) ViaVoice98 。它帶有一個(gè) 32 000 詞的基本詞匯表，可以擴(kuò)展到 65 000 詞，還包括辦公常用詞條，具有糾錯(cuò)機(jī)制，其平均識(shí)別率可以達(dá)到 95 %。該系統(tǒng)對(duì)新聞?wù)Z音識(shí)別具有較高的精度，是目前具有代表性的漢語(yǔ)連續(xù)語(yǔ)音識(shí)別系統(tǒng)。 國(guó)內(nèi)研究歷史及現(xiàn)狀 我國(guó)語(yǔ)音識(shí)別研究工作起步于五十年代，但近年來(lái)發(fā)展很快。研究水平也從實(shí)驗(yàn)室逐步走向?qū)嵱?。?1987年開(kāi)始執(zhí)行國(guó)家 863計(jì)劃后，國(guó)家 863智能計(jì)算機(jī)專(zhuān)家組為語(yǔ)音識(shí)別技術(shù)研究專(zhuān)門(mén)立項(xiàng)，每?jī)赡隄L動(dòng)一次。 我國(guó)語(yǔ)音識(shí)別技術(shù)的研究水平已經(jīng)基本上與國(guó)外同步，在漢語(yǔ)語(yǔ)音識(shí)別技術(shù)上還有自己的特點(diǎn)與優(yōu)勢(shì)，并達(dá)到國(guó)際先進(jìn)水平。中科院自動(dòng)化所、聲學(xué)所、清華大學(xué)、北京大學(xué)、哈爾濱工業(yè)大學(xué)、上海交通大學(xué)、中國(guó)科技大學(xué)、北京郵電大學(xué)、華中科技大學(xué)等科研機(jī)構(gòu)都有實(shí)驗(yàn)室進(jìn)行過(guò)語(yǔ)音識(shí)別方面的研究，其中具有代表性的研究單位為清華大學(xué)電子工程系與中科院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室。 清華大學(xué)電子工程系語(yǔ)音技術(shù)與專(zhuān)用芯片設(shè)計(jì)課題組，研發(fā)的非特定人漢語(yǔ)數(shù)碼串連續(xù)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度，達(dá)到 %（不定長(zhǎng)數(shù)字串）和 %（定長(zhǎng)數(shù)字 串）。在有 5%的拒識(shí)率情況下，系統(tǒng)識(shí)別率可以達(dá)到 %（不定長(zhǎng)數(shù)字串）和 %（定長(zhǎng)數(shù)字串），這是目前國(guó)際最好的識(shí)別結(jié)果之一，其性能已經(jīng)接近實(shí)用水平。研發(fā)的 5000詞郵包校核非特定人連續(xù)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率達(dá)到 %，前三選識(shí)別率達(dá) %；并且可以識(shí)別普通話與四川話兩種語(yǔ)言，達(dá)到實(shí)用要求。 內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 7 中科院自動(dòng)化所及其所屬模式科技 (Pattek)公司 2020年發(fā)布了他們共同推出的面向不同計(jì)算平臺(tái)和應(yīng)用的天語(yǔ)中文語(yǔ)音系列產(chǎn)品 ——Pattek ASR，結(jié)束了中文語(yǔ)音識(shí)別產(chǎn)品自 1998年以來(lái)一直由國(guó)外 公司壟斷的歷史。 內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 8 第二章 智能家居監(jiān)控系統(tǒng)的方案設(shè)計(jì) 系統(tǒng)實(shí)現(xiàn)過(guò)程分析 在此設(shè)計(jì)中，主要體現(xiàn)了無(wú)線收發(fā)一體化，即無(wú)線在始終的進(jìn)行著收和發(fā)，這樣能更好的實(shí)現(xiàn)實(shí)時(shí)性。主控通過(guò) AT89C52單片機(jī)做控制，將數(shù)據(jù)通過(guò)串口發(fā)送至電腦上，通過(guò)上位機(jī)界面顯示，在微軟公司的語(yǔ)音識(shí)別包的基礎(chǔ)上，以電腦為載體，可以通過(guò)語(yǔ)音來(lái)控制家中電器的工作，同時(shí)了解家中一切是否正常。這種方案的最大好處在于能夠幫助一些行動(dòng)不便的老人或者一些殘疾人，在不需要走動(dòng)的情況下了解家中安全狀態(tài)，且可通過(guò)說(shuō)話來(lái)直接控制家中電器的工作。如圖 示。 圖 系統(tǒng)整體結(jié)構(gòu)框圖 單片機(jī)最小系統(tǒng)板設(shè)計(jì) 本設(shè)計(jì)采用自己設(shè)計(jì)的最小系統(tǒng)開(kāi)發(fā)板，分為四個(gè)模塊，主控模塊、現(xiàn)場(chǎng)控制模塊、通信模塊、電源模塊。下面分別介紹各個(gè)模塊。 內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 9 主控模塊 該系統(tǒng)采用的是 Atmel公司生產(chǎn)的 AT89C52單片機(jī)為主控器。 AT89C52是一個(gè)低電壓，高性能 CMOS 8位 單片機(jī) ，片內(nèi)含 8k bytes的可反復(fù)擦寫(xiě)的 Flash只讀程序存儲(chǔ)器和 256 bytes的隨機(jī)存取數(shù)據(jù)存儲(chǔ)器（ RAM），器件采用 ATMEL公司 的高密度、非易失性存儲(chǔ)技術(shù)生產(chǎn)，兼容標(biāo)準(zhǔn) MCS51指令系統(tǒng)，片內(nèi)置通用 8位中央處理器和 Flash存儲(chǔ)單元，AT89C52單片機(jī)在電子行業(yè)中有著廣泛的應(yīng)用。 在單片機(jī)的引腳外圍固定的引腳，如 VCC（ 40）， GND（ 20） 已經(jīng)正確固定到電源和地上。 X1（ 18）， X2（ 19）是接晶振的引腳已經(jīng)外接到 30PF的電容。 RST(9)是單片機(jī)的復(fù)位引腳，通過(guò) RC回路，作為單片機(jī)的上電復(fù)位。 作為 P3口的第二功能端口， （ 10） ， （ 11） 為單片機(jī)的通信引腳，和 MAX232芯片連接。方便在下載程序時(shí)，只要上電復(fù)位即可完成下載的硬件操作。 另外，為了提高 P0口的驅(qū)動(dòng)能力，在 P0口的各引腳上接了上拉電阻 Vcc=5V。采用一片 MAX232，為 RS232與 TTL電平的轉(zhuǎn)換，使得可以方面使用電腦的 COM口，對(duì)單片機(jī)進(jìn)行程序的燒錄。 XTAL30pFC230pFC3X1 X2P11 圖 主控模塊晶振電路 10UFC110KR2VCCRESS1SWPB 圖 復(fù)位電路 內(nèi)蒙古科技大學(xué)畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（畢業(yè)論文） 10 另外，通過(guò)單片機(jī)驅(qū)動(dòng)無(wú)線模塊，無(wú)線模塊在數(shù)據(jù)傳輸過(guò)程中起到了至關(guān)重要的作用，先簡(jiǎn)單介紹下主控單片機(jī)原理圖，如果想讓單片機(jī)正常工 作，最重要的是晶振電路和復(fù)位電路了，其原理如圖 。 現(xiàn)場(chǎng)控制模塊 這個(gè)控制模塊也是以 AT89C52為主體，通過(guò)讀取無(wú)線接收到的數(shù)據(jù)或者通過(guò)將數(shù)據(jù)通過(guò)無(wú)線發(fā)送至主控，同時(shí)通過(guò) 12864液晶顯示器顯示現(xiàn)場(chǎng)得到的數(shù)據(jù)。 AT89C52主體電路如圖 。 VCCP00P01