基于凌陽61的語音識別報警器畢業(yè)論文(最新整理(編輯修改稿)
2024-12-18 15:00 本頁面
【文章內(nèi)容簡介】 ，為避免浪費尋找物品的時間和精力，我們有必要利用科學技術解決人們此方面的麻煩，于是聲控遙控器找尋器顯得很有必要。聲控失物找尋器是一種能夠尋找所需物品的聲控遙控器找尋器，將找尋器跟物品固定在一起，根據(jù)事先錄在找尋器里面的固定聲音，當外界有同一聲音發(fā)出時，找尋器上的報警器就會發(fā)出相應的報警聲音，同時亦可在找尋器上安裝上閃光燈，在接收到該語音信號時同時發(fā)出光亮 ，達到在光線不足時也能夠辨別其位置的目的，為人們的河南理工大學畢業(yè)設計（論文）說明書 日常生活提供方便 本文的內(nèi)容與結構 本文的內(nèi)容共分為 六 章。第一章緒論，概括了國內(nèi)外語音識別 技術的 發(fā)展情況 、面臨的問題，本課題研究的目的和意義；第二章設計任務要求以及方案選擇，論證了課題方案的選擇問題；第三章系統(tǒng)硬件設計，簡單介紹了單片機，重點介紹了凌陽 61單片機的選用與相關特性，還介紹了外部擴展用到的 SPLC501 液晶顯示模組 的相關知識 ；第四章系統(tǒng)的軟件設計，介紹了所用的軟件開發(fā)環(huán)境，并 說明了 語音識別的主要過程。第五章實物的制作，簡要描述了一 下實物的焊接和組裝過程及遇到的一些小問題； 簡要說明一下遇到的問題 和解決方法；第六章結論與展望，對所做的工作進行總結，并展望今后語音識別技術的發(fā)展。 河南理工大學畢業(yè)設計（論文）說明書 2 設計 目標 及方案 設計一個簡單的電路使其能識別固定的人聲音，將這一固定的語音信號提前輸入報警器中，作為觸發(fā)信號，使蜂鳴器發(fā)出報警信號，也可以結合 LED 做為報警信號，達到兩者兼用的目的。 要求電路盡量設計得簡單明了，使用的元器件盡可能的少，但是要求其功能明顯，穩(wěn)定性高，靈敏度高。 在日常生活中，經(jīng)常使用的報警器中，機械報警器是屬于傳統(tǒng)的報警 器。其缺點是： 硬件電路復雜。 靈敏度低。 制作成本高。 本次設計的報警器是利用一個用于語音識別的芯片 —— 凌陽 61SPCE061A 單片機 ,用于語音信號的接收和識別，再結合外圍電路實現(xiàn)報警效果，不僅靈敏度高且制作成本也不高。 河南理工大學畢業(yè)設計（論文）說明書 3 語音識別原理及算法 語音識別 語音識別一般分為兩個步驟 : 首先是系統(tǒng)的訓練階段 , 其次是系統(tǒng)識別階段。這兩個階段的任務重點各不相同 , 在第一階段中 , 核心任務是建立識別基本單元的聲學模型以及進行文法分析的語言模型等。在系統(tǒng)識別階段中 , 根據(jù)不同 的識別算法 , 分析出語音信號的特征參數(shù) , 然后按照一定的判別準則和測度與系統(tǒng)模型進行比較 , 通過判決得出識別結果。 語音識別系統(tǒng)的分類 如表一： 表一 語音識別系統(tǒng)分類 分類方式 對應系統(tǒng)名稱 發(fā)音方式 孤立詞語音識別系統(tǒng)、連續(xù)詞語音識別系統(tǒng)、連續(xù)語音識別系統(tǒng) 應用對象 特定人語音識別系統(tǒng)、非特定人語音識別系統(tǒng) 識別詞匯量 小詞匯量識別系統(tǒng)、中等詞匯量識別系統(tǒng)、大詞匯量死別系統(tǒng) 但無論那種語音識別系統(tǒng)，其基本原理和處理方法都大體類似 ： 語音輸入 預處理 特征提取 模式匹配 識別結果 訓練 參考模板庫 語音識別過程主要包括語音信號的預處理、特征提取、模式匹配幾個部分。預處理階段主要對語音信號中諸如呼吸氣流、外部噪音等非平穩(wěn)信號進行剔除 ,包括預濾波、采樣和量化、加窗、端點檢測、預加重等過程。語音信號識別最重要的一環(huán)就是特征參數(shù)提取和模式匹配。提取的特征參數(shù)必須滿足以下的要求： (1)提取的特征參數(shù)能有效地代表語音特征，具有很好的區(qū)分性； (2)各階參數(shù)之間有良好的獨立性； 河南理工大學畢業(yè)設計（論文）說明書 (3)特征參數(shù)要計算方便，最好有高效的算法，以保證語音識別的實時實現(xiàn)。 在訓練階段，將特征參數(shù)進行一 定的處理后，為每個詞條建立一個模型，保存為模板庫。在識別階段，語音信號經(jīng)過相同的通道得到語音特征參數(shù)，生成測試模板，與參考模板進行匹配，將匹配分數(shù)最高的參考模板作為識別結果。同時，還可以在很多先驗知識的幫助下，提高識別的準確率。 SPCE061A 單片機對語音輸入信號進行 A/D 轉換具有其專門的通道，并對較弱的語音還設計了帶自動增益控制的 放大器 。預加重的目的是平滑信號以消除聲道模型中的極點帶來的影響，便于進行頻譜分析或聲道采參數(shù)分析，采用一階數(shù)字 濾波器 實現(xiàn)。加窗分幀是為提取特征參數(shù)做準備，分幀采用交疊分段的方法，這是為了使幀與幀之間平滑過渡，保持信號的連續(xù)性和保證特征參數(shù)的相關性。端點檢測目的是檢測有無語音信號的存在，確定出語音的起始點和終止點。特征參數(shù)提取是語音識別 的關鍵問題，特征參數(shù)選擇的好壞直接影響語音識別的精度。 特定人語音識別技術中的難點： (1) 語音信號的多變性 語音信號是非平穩(wěn)隨機信號，不但不同發(fā)音者發(fā)音之間存在重大的差異，即使同一人同一語音的不同次發(fā)音，也存在很大差異。 (2) 噪聲影響 當實際環(huán)境中有噪聲存在時，容易造成訓練與測試環(huán)境不匹配導致語音識別系統(tǒng)性能急劇下降。 (3) 端點檢測 統(tǒng)計表明語音識別系統(tǒng)一半以上的識別錯誤來自端點檢測錯誤。在安靜環(huán)境下有聲段和無聲段時能量存在很大差異，由此判斷語音的起點。但是當噪聲的能量和語音信號的能量接近時就可 能造成端點檢測的誤差從而導致識別結果錯誤 (4) 詞與詞的特征空間混疊 語音識別的常規(guī)方法是利用語音信號的短時周期特性將語音時域采樣信號分為若干段，計算出每一段的特征矢量序列作為識別參數(shù)。但是很多不同的詞語的矢量序列在特征空間中存在混疊現(xiàn)象，甚至有些不同詞語的混疊程度會超過同一詞語的不同次發(fā)音，從而降低識別率。 河南理工大學畢業(yè)設計（論文）說明書 語音識別的具體流程： 圖 31 語音識別的具體流程 語音識別算法 常見的語音識別方法有動態(tài)時間歸整技術 ( DTW) 、矢量量化技術( VQ) 、隱馬爾可夫模型 ( HMM) 、基于段長分布的非齊次隱馬爾可夫模型( DDBHMM) 和人工神經(jīng)元網(wǎng)絡 ( ANN) 等。由于 HMM 模型需要大量的前期訓練工作和大量的存儲資源，并且計算復雜，不太適合于在 DSP 系統(tǒng)中實現(xiàn)，更適合于在 PC 機上完成。 DTW 算法計算量較小，無需前期的長期訓練，容易滿足嵌入式應用要求，易于移植到 DSP 上實現(xiàn)語音識別，且能滿足實時性要求，在特定場合可以得到較高的識別率。 故本設計采用 DTW 算法。 DTW 是較早的一種模式匹配和模型訓練技術 , 它應用動態(tài)規(guī)劃的思想成功解決了語 音信號特征參數(shù)序列比較時時長不等的難題 , 在孤立詞語音識別中獲得了良好性能。雖然 HMM 模
環(huán)評公示相關推薦
鄂ICP備17016276號-1