[发明专利]一种基于语音控制智能电器的方法及系统

权利要求书

1.一种基于语音控制智能电器的方法，其特征在于，包括以下步骤：

步骤S1，智能电器中的声音采集模块采集原始声音信号，智能电器中控制模块的控制器对原始声音信号进行预处理，生成处理后的声音信号，并作为模型训练集存储至服务器；

步骤S2，提取处理后的声音信号的特征数据，使用光谱图表示声音数据集；

步骤S3，在服务器的语言识别单元中建立基于CNN模型的声音识别模型，使用声音识别模型捕获光谱图中的声音数据，用模型训练集训练声音识别模型，并将迭代次数和学习率预设完整；

所述声音识别模型包括依次连接的卷积层、批归一化层、ReLu激活函数层、最大池化层、全连接层和分类层；

步骤S4，将声音数据集以数据立方体的结构输入声音识别模型中对声音识别模型进行训练，生成训练好的声音识别模型；

步骤S5，声音采集模块实时采集现场声音数据生成对应的用光谱图表示的声音数据集，将声音数据集输入进训练号的声音识别模型中确定要识别的语音内容；

步骤S6，将要识别的语音内容通过服务器传输至智能电器的互联网关，实现语音控制智能电器。

2.根据权利要求1所述的一种基于语音控制智能电器的方法，其特征在于，所述步骤S1中进行预处理的方法包括声音去噪处理、声音预加重处理、声音加窗分帧处理和声音端点检测处理。

3.根据权利要求1所述的一种基于语音控制智能电器的方法，其特征在于，所述步骤S2包括：

使用线性预测系数算法提取处理后的声音信号的特征数据。

4.根据权利要求1所述的一种基于语音控制智能电器的方法，其特征在于，所述步骤S3包括：

将声音数据集输入进声音识别模型后利用卷积层、批归一化层和ReLu激活函数层提取声音数据集的局部信息，与此同时卷积层、批归一化层和ReLu激活函数层对声音数据进行采样，再使用最大池化层、全连接层和分类层深度挖掘声音数据集，将声音数据集的特征信息聚合之后使用损失函数计算光谱图中声音数据集预测点与声音数据集真实点的损失值，利用学习率下降法不断迭代衰减损失值，优化声音识别模型的权重参数，直到迭代次数等于最大迭代次数，中止训练，生成训练好的声音识别模型。

5.根据权利要求4所述的一种基于语音控制智能电器的方法，其特征在于，所述损失函数包括交叉熵损失函数。

6.根据权利要求1所述的一种基于语音控制智能电器的方法，其特征在于，所述步骤S5包括：

将对应的声音数据集输入进训练好的声音识别模型中，通过深度挖掘分析与服务器样本库中的样本参数比对匹配，根据匹配相似度确定要识别的语音内容。

7.根据权利要求1所述的一种基于语音控制智能电器的方法，其特征在于，所述步骤S6包括：

使用注意力机制模型对要识别的语音内容进行识别，实现指令转化。

8.一种基于语音控制智能电器的系统，用于智能电器，其特征在于，包括声音采集模块、服务器和互联网关，其中：

声音采集模块，用于采集原始声音信号，智能电器中控制模块的控制器对原始声音信号进行预处理，生成处理后的声音信号，并作为模型训练集存储至服务器；用于实时采集现场声音数据生成对应的用光谱图表示的声音数据集，确定要识别的语音内容；

服务器，用于存储处理后的声音信号的特征数据；

所述服务器包括语言识别单元，所述语言识别单元用于建立基于CNN模型的声音识别模型，使用声音识别模型捕获光谱图中的声音数据，用模型训练集训练声音识别模型，并将迭代次数和学习率预设完整；所述声音识别模型包括依次连接的卷积层、批归一化层、ReLu激活函数层、最大池化层、全连接层和分类层；将声音数据集以数据立方体的结构输入声音识别模型中对声音识别模型进行训练，生成训练好的声音识别模型；

互联网关，用于接收服务器传输的要识别的语音内容，实现语音控制智能电器。