基于語音識別的家用服務(wù)機器人控制系統(tǒng).pdf

1、本文主要研究語音識別的整個過程:主要由語音信號濾波、采樣、量化、加窗、端點檢測、特征提取、模型訓(xùn)練和閾值比較組成，以及通過Matlab實現(xiàn)對算法模型的仿真。同時通過Matlab的GUI設(shè)計技術(shù)實現(xiàn)了語音識別的交互界面。在語音識別理論的基礎(chǔ)上，通過搭建的五個自由度的Arduino雙臂機器人和ASR MO8-A語音識別模塊，實現(xiàn)了語音控制機器人完成各種規(guī)劃動作。
　　語音信號經(jīng)過濾波、采樣與量化得到離散的數(shù)字信號后，進(jìn)行預(yù)加重，預(yù)加重

2、的目的在于濾除低頻干擾，提升輸入信號的高頻分量。分幀使得原本的信號變成一段一段的，相當(dāng)于對原始信號時域內(nèi)加了一個矩形窗。時域內(nèi)與矩形窗相乘相當(dāng)于頻域內(nèi)信號頻譜與矩形窗的傅里葉變換進(jìn)行卷積。
　　雙門限端點檢測算法通過短時平均能量和過零率兩個門限來實現(xiàn)語音信號的端點檢測。實現(xiàn)語音信號的端點檢測后通過美爾頻率倒譜系數(shù)和一階差分美爾頻率倒譜系數(shù)獲得語音信號的特征參數(shù)。同時提出了改進(jìn)的語音信號特征參數(shù)提取算法，基于小波變換的線性預(yù)測倒譜系

3、數(shù)的計算步驟，基于小波變換的美爾頻率倒譜系數(shù)的計算步驟。最后，利用基于小波變換的線性預(yù)測倒譜系數(shù)(DWTL)及相應(yīng)的差分參數(shù)(△DWTL)和基于小波變換的美爾頻率倒譜系數(shù)(DWTM)及相應(yīng)的差分參數(shù)(△DWTM)組成的系數(shù)矩陣。然后通過隱馬爾科夫模型當(dāng)中，前向后向算法、viterbi算法、Baum-welch算法實現(xiàn)模型訓(xùn)練。同時通過Matlab GUI設(shè)計以及回調(diào)函數(shù)的編寫實現(xiàn)了語音識別仿真交互界面。
　　在語音識別理論的基礎(chǔ)上