基于聲紋識別的通用語(yǔ)音控制系統設計

1.1.背景

隨著(zhù)物聯(lián)網(wǎng)的發(fā)展，對家庭電器的控制將會(huì )有更多的發(fā)展，而語(yǔ)音作為一種自然簡(jiǎn)單的方法將是一種有效便捷的控制方式。聲音不僅可以傳達指令，還能與聲紋識別的安全系統結合，如果可以把語(yǔ)音控制與安全控制結合起來(lái)，系統就變得更自然直接更人性化了。

在本設計就是希望通過(guò)設計出一個(gè)通用的系統為將來(lái)的這些應用實(shí)現基本的框架。

1.2.編寫(xiě)目的

進(jìn)入21世紀以來(lái)，隨著(zhù)科學(xué)技術(shù)的突飛進(jìn)展，語(yǔ)音識別與確認技術(shù)也逐漸的走向成熟，基于語(yǔ)音識別技術(shù)的對話(huà)控制系統受到了越來(lái)越多的關(guān)注。直接用聲音來(lái)發(fā)出控制指令，讓機器能“聽(tīng)懂”你的話(huà)，執行相應的命令。本設計目的在于能夠實(shí)現一個(gè)比較通用的語(yǔ)音控制系統，為了能更好地示例，在本文的設計中選擇使用數字0-9(中文發(fā)音)十個(gè)控制語(yǔ)音來(lái)控制Linux系統下的ls等5個(gè)命令，通過(guò)說(shuō)出命令對應的數字來(lái)選擇相應命令操作，從而達到執行命令程序的目的。語(yǔ)音識別識別系統可以使人機交互更為方便，更加智能。

1.3.定義

GVCS: General Voice Control System，即通用語(yǔ)音控制系統。

SI: Speaker-Independent，與說(shuō)話(huà)者無(wú)關(guān)的語(yǔ)音識別技術(shù);

SD: Speaker-Dependent， 與說(shuō)話(huà)者有關(guān)的語(yǔ)音識別技術(shù);

SV: Speaker Verification， 語(yǔ)音確認;

2.1.項目目標

符合SMART原則

Specific明確的陳述：整個(gè)通用語(yǔ)音管理系統的實(shí)現。

Measurable可以衡量的結果：通用語(yǔ)音控制系統對機器的控制結果。

Attainable可以達成的目標：對機器設備控制的智能化。

Relevant任務(wù)相關(guān)性：只完成語(yǔ)音控制所需要的實(shí)現

Time-based時(shí)限性：在規定的時(shí)間內成項目計劃

遵循質(zhì)量控制管理

項目將嚴格進(jìn)行質(zhì)量管理控制，對每一個(gè)步驟都建立相對完善的文檔，嚴格按照流程進(jìn)行，完成系統功能的同時(shí)提高系統性能，增強系統的可維護性。

2.2.產(chǎn)品目標與范圍

本項目主要是為了實(shí)現對機器設備控制的智能化，從而選擇使用Digilent Cerebot™ 32MX4開(kāi)發(fā)板設計一套通用語(yǔ)音控制系統，該系統主要應用在家庭電器設備和工業(yè)控制等領(lǐng)域。

Chapter 3.可行性分析

3.1.實(shí)用可行性

本設計的主要目的是能建立一個(gè)通用的語(yǔ)音控制系統，只要對系統進(jìn)行相關(guān)的配置和擴展之后就能夠應用到各種應用中。通過(guò)這一個(gè)系統可以實(shí)現對電器、軟件等的語(yǔ)音控制。

這一系統的應用可以使對機器的操作方便高效，，同時(shí)也可以完善用的操作體驗。

3.2.技術(shù)可行性

在這個(gè)系統中需要實(shí)現的有：控制語(yǔ)音的采集、控制語(yǔ)音的識別、將識別后的控制語(yǔ)音轉換成控制指令、將控制指令轉換成相應機器可以識別的指令，需要的硬件有：

控制語(yǔ)音的采集：直接用模數轉換器收集模擬的語(yǔ)音，用編程的方法把數字語(yǔ)音轉換成合適的格式。

控制語(yǔ)音的識別：用編程的方法將采集到的語(yǔ)音與控制語(yǔ)音庫的數據進(jìn)行匹配，得到匹配結果。

將識別后的控制語(yǔ)音轉換成控制指令：把匹配的結果映射成相應的控制指令輸出。

將控制指令轉換成相應應用可以識別的控制指令：為了使系統有更好的通用性，需要根據實(shí)際的應用把輸出的控制指令轉換成相應應用可識別的控制指令，從而實(shí)現控制機器。這些實(shí)現可以直接用編程的方法實(shí)現

3.3.經(jīng)濟可行性

本系統采用高度可定制的思想實(shí)現。系統可以根據需要，自行對各個(gè)功能實(shí)現進(jìn)行選擇或替換，通過(guò)這種實(shí)現方案可以定制出能達到最好的經(jīng)濟效益的組合。如替換更合適的語(yǔ)音采集方法、語(yǔ)音識別方法，定制語(yǔ)音與控制指令的映射關(guān)系等。

本系統的性能主要由硬件處理速度、控制語(yǔ)音庫的大小和語(yǔ)音匹配算法決定。在實(shí)際中可以根據需要選擇硬件和語(yǔ)音庫，同時(shí)也可以不斷改進(jìn)算法。

Chapter 4.需求分析

4.1.系統應該實(shí)現以下功能：

把說(shuō)出的控制語(yǔ)音轉換成相應的控制操作。

能夠配置語(yǔ)音與指令的對應關(guān)系。

可以根據需要替換相關(guān)功能實(shí)現。

在無(wú)法識別控制語(yǔ)音時(shí)不執行操作并給出提示。

4.2.通用語(yǔ)音控制系統模型

4.3.用中文數字聲音執行Linux命令

控制語(yǔ)音采集：

使用模數轉換芯片，將模擬的語(yǔ)音轉換成數字語(yǔ)音數據。

編碼轉換：

將采集到的語(yǔ)音加工成可以進(jìn)行語(yǔ)音識別的格式，這種格式應該文件較小、利于語(yǔ)音識別。

控制語(yǔ)音識別：

通過(guò)搜索比較，得到識別結果，并把識別結果映射到定義的識別碼(用整數表示)，識別碼包括無(wú)法識別項。

應用可識別的指令轉換：

把識別碼轉換成執行指令，在這里就是相應的Linux指令。

執行操作：

直接調用指令，執行選定指令。

4.4.硬件需求

1、Digilent Cerebot 32MX4開(kāi)發(fā)板

2、PmodNIC——網(wǎng)絡(luò )接口控制器

3、PmodMIC——麥克風(fēng)/數字接口

4.5.項目開(kāi)發(fā)環(huán)境

軟件環(huán)境：

在Linux操作系統;MPLAB IDE

硬件環(huán)境：

PC機;Digilent Cerebot 32MX4開(kāi)發(fā)板; PmodNIC——網(wǎng)絡(luò )接口控制器;PmodMIC——麥克風(fēng)/數字接口