语音识别电风扇控制系统设计-毕业论文

1、桂林电子科技大学毕业设计（论文）报告用纸 摘 要本文论述了一个采用语音识别技术的电风扇控制系统，采用凌阳16位单片机微处理器作为整个系统的核心，且由语音输入输出电路以及电风扇驱动电路组成。本系统能识别特定人的语音命令自动完成对风扇启动、关闭以及档位切换的控制。在本语音识别控制系统中充分利用凌阳单片机内部的10位高精度AD资源采集特定人控制命令信号，同时也充分利用其内部10位高精度DA资源转换处理好的语音信号进行输出，这样不用外加AD、DA芯片，不仅节约了成本，而且也简化了整个系统的设计。在特定人发出语音命令后，单片机接收语音信号并与语音参考样本进行对比识别，其中识别对比采用的是DTW动态时间规整算法。识别成功后，单片机给相应I/O口发出电平驱动控制电风扇工作运转。设计中加入了液晶显示模块，让命令者能及时地知晓风扇的工作状态。针对目前语音识别系统普遍存在的缺陷：识别正确率低，本文所设计系统的亮点是在一定程度上提高语音识别的正确率，能较准确听从特定人命令完成对电风扇启动关闭以及档位切换的控制。本文所设计的系统还有一个特色是实用性很强，通过适当的硬件电路改造，该语音识别系统还可以应用于其他家

2、用电器的控制中，且本系统相对于市场上其他语音识别产品，其设计成本较低。关键词：语音识别；SPCE061A；电风扇控制系统AbstractThis paper mainly discusses a control system of electric fan which depends on the speech recognition. This control system applies the Sunplus 16 SCM microprocessor as its operating core and is made up of voice input and output circuit, as well as electric fan drive circuit. The speech recognition control system fully utilizes the 10 high-precision AD resources in the Sunplus SCM SPCE061A to collect the certain control command si

3、gnal. At the same time, the voice signal which disposed by 10 high-precision DA resources are fully applied to output data. In this way, it is no need to add the AD and DA chips, so that more costs can be reduced and design of system can be simplified. When the given person launches the voice command, SCM begins to receive the voice signal and conduct the comparison identification with voice samples. The comparison identification applies DTW dynamic time algorithm. After the identification finis

4、hing, SCM issues the electrical level to the corresponding I/O, in order to control the operation of electronic fan. In the design process, the LCD Module is used, which allows the commander know the working condition of electronic fan in time.In terms of the existing drawbacks of the current speech recognitionlow accuracy rate of identification, the polishing point of this paper is that the accuracy rate of speech recognition system will be improved and the commanders control of switches of “on

5、” “off” and “change” for electronic fans. In addition, another feature of this paper falls on the high practical applicability. The speech recognition system can be applied to control other domestic appliances by appropriately transforming the hardware circuit. Whats more, comparing to other speech recognition products in the current market, this design processes a relatively low costs.Key words: speech recognition;SPCE061A; control system of electronic fan目 录1 绪论11.1 课题设计背景11.2 语音识别目前国内外发展现状11.

6、2.1语音识别国外现状11.2.2语音识别国内现状21.3 语音识别技术的应用领域21.4 控制系统设计的主要任务32 语音识别的原理42.1 模型匹配方法42.1.1 DTW动态时间规整算法42.1.2HMM隐马尔可夫法算法52.1.3VQ矢量量化算法52.2 语音识别的分类62.2.1特定人语音识别62.2.2非特定人语音识别63 方案设计与确定73.1 主控制系统处理芯片的选择和论证73.1.1方案一：采用DSP芯片73.1.2方案二：采用凌阳单片机16位单片机SPCE061A73.1.3主控制处理芯片的确定73.2 系统驱动电路方案的论证和选择83.2.1方案一：运用三个继电器外加一些外围电路闭合断开。83.2.2方案二：运用光耦芯片来触发控制控制晶闸管的导通与截止。83.2.3系统驱动电路方案的确定83.3 总体方案设计93.3.1总体设计框图94 硬件电路设计104.1 主控制系统的设计104.1.1凌阳单片机SPCE061A最小系统设计104.1.2系统电源设计114.1.3音频输出电路设计114.1.4音频输入电路设计124.1.5显示电路设计124.1.6 I/O接口

7、电路设计134.2 驱动电路的设计134.3 电风扇内部电路改造：155 软件设计155.1 音频的概述155.2 数字音频的采样和量化155.3 音频格式的介绍165.3.1声音文件的格式165.4 语音压缩编码基础175.5 本系统所用音频论述195.5.1本系统音频压缩算法的编码标准195.5.2压缩分类195.5.3 本系统的音频形式和压缩算法205.6 本系统的应用程序接口 API 的功能205.6.1概述205.7 自制本控制系统所用到的语音资源215.8 自制本控制系统所用到的语音资源总结225.9 程序设计235.9.1程序控制思路235.9.2程序流程图245.9.3程序中编写的重要文件255.9.4程序中编写的重要函数256 系统调试286.1 硬件调试286.1.1主控制模块的调试286.1.2驱动模块调试296.1.3电风扇电路改造检查306.1.4系统硬件电路连接316.2 软件调试317 结论32谢 辞33参考文献34附 录35 桂林电子科技大学毕业设计（论文）报告用纸 第 51 页 共 49 页1 绪论1.1 课题设计背景语言是人类特有的功能,是人们思维最

8、重要的寄托体，是人类交流最主要的途径。语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段。语言和语音与人类社会科学文化发展紧密相连。语音识别研究的根本目的是研究出一种具有听觉功能的机器，能直接接受人的口呼命令，理解人的意图并做出相应的反映。语音识别系统的研究涉及微机技术、人工智能、数字信号处理、模式识别、声学、语言学和认知科学等许多学科领域，是一个多学科综合性研究领域。1.2 语音识别目前国内外发展现状1.2.1语音识别国外现状语音识别的研究工作可以追溯到20世纪50年代AT&T贝尔实验室的Audry系统，它是第一个可以识别十个英文数字的语音识别系统。 但真正取得实质性进展，并将其作为一个重要的课题开展研究则是在60年代末70年代初。这首先是因为计算机技术的发展为语音识别的实现提供了硬件和软件的可能，更重要的是语音信号线性预测编码（LPC）技术和动态时间规整（DTW）技术的提出，有效的解决了语音信号的特征提取和不等长匹配问题。这一时期的语音识别主要基于模板匹配原理，研究的领域局限在特定人，小词汇表的孤立词识别，实现了基于线性预测倒谱和DTW技术的特定人孤立词语音识别系统；

9、同时提出了矢量量化(VQ)和隐马尔可夫模型(HMM)理论。 随着应用领域的扩大，小词汇表、特定人、孤立词等这些对语音识别的约束条件需要放宽，与此同时也带来了许多新的问题：第一，词汇表的扩大使得模板的选取和建立发生困难；第二，连续语音中，各个音素、音节以及词之间没有明显的边界，各个发音单位存在受上下文强烈影响的协同发音（Co-articulation）现象；第三，非特定人识别时，不同的人说相同的话相应的声学特征有很大的差异，即使相同的人在不同的时间、生理、心理状态下，说同样内容的话也会有很大的差异；第四，识别的语音中有背景噪声或其他干扰。因此原有的模板匹配方法已不再适用。 实验室语音识别研究的巨大突破产生于20世纪80年代末：人们终于在实验室突破了大词汇量、连续语音和非特定人这三大障碍，第一次把这三个特性都集成在一个系统中，比较典型的是卡耐基梅隆大学的Sphinx系统，它是第一个高性能的非特定人、大词汇量连续语音识别系统。 这一时期，语音识别研究进一步走向深入，其显著特征是HMM模型和人工神经元网络(ANN)在语音识别中的成功应用。HMM模型的广泛应用应归功于AT&TBell实验室Rabiner等科学家的努力，他们把原本艰涩的HMM纯数学模型工程化,从而为更多研究者了解和认识，从而使统计方法成为了语音识别技术的主流。 统计方法将研究者的视线从微观转向宏观，不再刻意追求语音特征的细化，而是更多地从整体平均（统计）的角度来建立最佳的语音识别

《语音识别电风扇控制系统设计-毕业论文》由会员龙***分享，可在线阅读，更多相关《语音识别电风扇控制系统设计-毕业论文》请在金锄头文库上搜索。