基于語音識別的家用服務機器人控制系統(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設計技術實現(xiàn)了語音識別的交互界面。在語音識別理論的基礎上，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。
　　語音信號經過濾波、采樣與量化得到離散的數(shù)字信號后，進行預加重，預加重

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，相當于對原始信號時域內加了一個矩形窗。時域內與矩形窗相乘相當于頻域內信號頻譜與矩形窗的傅里葉變換進行卷積。
　　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)。同時提出了改進的語音信號特征參數(shù)提取算法，基于小波變換的線性預測倒譜系

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測倒譜系數(shù)(DWTL)及相應的差分參數(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中，前向后向算法、viterbi算法、Baum-welch算法實現(xiàn)模型訓練。同時通過Matlab GUI設計以及回調函數(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上