一种特定人语音家居控制系统

语音控制在智能家居的应用为人民生活带来极大便利，但常规的非特定人语音控制会产生语音的误触发[1]。本文在非特定语音识别的基础上，通过改进相应算法设计了一种特定人语音识别家居控制系统。系统采用MFCC算法获取语音特征，通过DTW算法实现语音特征匹配。上位机基于安卓平台，利用Android Studio工具并结合NDK组件实现相应软件与算法开发。下位机基于Zigbee平台，利用IAR完成家居系统下位机的开发。系统可完成特定人的语音控制，具有较高的识别率，操作更加人性化。

语音控制技术突破传统手动操作的局限，让人与机器之间的沟通交流更智能化[2]。语音控制发展迅速，出现了许多出色的语音控制系统。其中语音控制家居系统发展前景广阔，针对家居控制的各项要求中，控制的准确性及安全性极为重要。本文在传统的语音家居控制系统基础上增加特定人语音识别，在非特定语音识别的基础上，通过改进相应算法设计出一种特定人语音识别家居控制系统，可减少意外因素所带来的语音误触。

2. 特定人语音家居控制系统设计原理 特定人语音家居控制系统主要由移动终端控制和家居下位机控制组成(如图1)。

移动终端基于安卓平台，由用户发送语音指令至移动平台，然后利用MFCC(梅尔频率倒谱系数)算法获取语音特征，并利用DTW (动态时间规整)算法实现语音特征匹配， 最后经Wi-Fi 将指令送至下位机。

下位机基于Zigbee 平台， 作为系统执行者，首先接收来自上位机的Wi-Fi 指令信号，然后对信号识别，实现对家电的控制。

3. 语音识别算法 3.1. 语音特征参数提取 语音信号经过预处理之后，提取语音特征的目的是为了提取说话人的语音特征进而确定说话人身份[3]。

常用的特征参数提取算法有：基于人耳听觉特性的MFCC(梅尔倒谱系数)、基于声道特性的LPCC (线性预测倒谱系数)。本文采用MFCC 算法。MFCC 算法在孤立词识别上，相比基于声道模型的LPCC 算法具有更好的鲁棒性，更符合人的听觉特征，当信噪比降低时仍然具有较好的识别性[4]。图2 为MFCC 特征参数提取原理，获得MFCC 特征参数方法如下： 1) 先对输入信号进行预处理(分帧、加窗、预加重)， 然后作离散傅立叶变换得到语音信号的频谱值。

通过以上方式达到提高初始语音稳定性的效果并且方便后续语音特征参数的提取与匹配，并规整语音信号的频谱。设语音信号的离散傅里叶变换为： ( )( )12π0e, 0Njk NanXkx nkN−−==≤≤∑ (1) N 表示傅立叶变换的点数，x(n)表示语音输入信号。

2) 利用频谱幅度的平方获得能量谱。

3) 利用三角形滤波器组分析上述步骤获得的能量谱。

定义一个有M 个三角滤波器的滤波器组，中心频率为(), 1,2, , f m mM=，本文取M = 24。m 值的减小会致( )f m 之间的间隔减小，反之亦然。三角滤波器的频率响应定义为：