[发明专利]一种基于语音控制智能电器的方法及系统

说明书

本发明涉及语音控制技术领域，公开了一种基于语音控制智能电器的方法及系统，本发明通过建立基于CNN模型的声音识别模型，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，使用声音识别模型捕获光谱图中的声音数据，训练声音识别模型；将采集的声音数据输入进训练好的声音识别模型中，确定要识别的语音内容；将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。本发明不但降低了嵌入式设备的开发成本节约资源，还提高了语音识别的准确率和运算速度。

技术领域

本申请涉及语音控制技术领域，尤其涉及一种基于语音控制智能电器的方法及系统。

背景技术

随着我国经济的不断发展，人们的生活水平不断提高，传统家居生活体系向智能化家居生活体系转变是一个必然的趋势。但是目前智能电器系统仍存在一些不足亟需改进：一方面，对于传统家电设备而言，现阶段的智能电器系统由于缺乏过渡模式，造成了传统家电组网困难，因此选择了智能电器系统的消费者不得不花费巨大代价对家电产品进行统一更新，提高了智能电器系统的使用门槛，造成其发展的缓慢；另一方面，对于面向未来的理想智能电器模式构建，智能语音控制的理解召回率及响应速度的提升是关键点，而现有的语音识别系统尚无法满足此类需求，需要进行面向未来的前置性优化设计。

因此，亟须一种方法，能够降低了嵌入式设备的开发成本节约资源，还提高了语音识别的准确率和运算速度。

发明内容

申请实施例提供一种基于语音控制智能电器的方法和系统，降低了嵌入式设备的开发成本节约资源，还提高了语音识别的准确率和运算速度。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，提供了一种基于语音控制智能电器的方法，该方法包括以下步骤：

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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，所述步骤S3包括：