基于语音识别的机器人控制技术的研究

基于语音识别的机器人控制技术的研究

论文摘要

语音,作为人类最自然的交流工具,是人类获取资源与信息的重要来源。在信息技术高速发展的今天,让计算机能“听懂”人类的语音,是人—机进行沟通的最便捷的形式之一,语音识别就是这样的一门技术。近些年来,语音识别技术一直是计算机应用的热点。同样,机器人技术也逐渐成为现代自动化技术发展的标志之一。因此,将语音识别技术和机器人控制技术相结合,更是体现了当今最高技术上的自动化。本课题利用博创科技的旅行家—Ⅱ号机器人,以实现对机器人的语音控制为目标,针对语音信号的特征参数提取问题、语音识别算法的性能优化问题及机器人运动测试进行探讨研究,具体工作如下:提出了一种新的语音特征参数提取的方法。在传统的基于人耳听觉特性的MFCC特征参数基础上,将其与基于人的发声机理的共振峰参数结合,构成新的语音特征参数(MFCC+共振峰)。该方法从语音的发声机理和人耳听觉两方面出发,提取语音参数,此算法较传统方法包含信息量多,准确性高,且抗噪声能力强。针对传统的隐马尔科夫模型训练过程中对初值依赖性强、容易陷入局部最优的缺陷和DTW算法实时性的要求,分别提出了三步混合算法(TSMS)和DTW高效算法。经过仿真实验表明,TSMS算法的适应性更强,收敛速度更快,识别的准确率更高。DTW高效算法能够在满足实时性的前提下,减小计算量。给出两个改进算法的实验测试结果,验证了两者的优势。最后,设计机器人语音控制系统。创建Microsoft Speech SDK程序文件,编写DTW高效算法的端口程序和机器人运动测试程序,并对运动测试结果作了分析和说明。

论文目录

  • 摘要
  • ABSTRACT
  • 创新点摘要
  • 第一章 绪论
  • 1.1 课题研究的背景
  • 1.2 语音识别的历史回溯及展望
  • 1.3 语音识别技术在智能机器人中的应用
  • 1.4 本文研究内容及结构安排
  • 第二章 语音识别技术的理论基础
  • 2.1 语音识别的基本原理
  • 2.2 预处理
  • 2.2.1 语音信号的数字化处理
  • 2.2.2 预加重处理
  • 2.2.3 分帧加窗
  • 2.2.4 端点检测
  • 2.2.5 语音信号的去噪过程
  • 2.3 特征提取的方法
  • 2.3.1 线性预测倒谱系数LPCC
  • 2.3.2 Mel 倒谱系数(MFCC)
  • 2.4 语音识别的基本方法
  • 2.5 本章小结
  • 第三章 改进的特征参数的提取方法
  • 3.1 传统的语音特征参数
  • 3.1.1 MFCC 的优缺点分析
  • 3.1.2 改进算法的理论分析
  • 3.2 新的语音参数的提取过程
  • 3.2.1 改进LPC 谱估计共振峰参数
  • 3.2.2 构造新的语音特征参数
  • 3.3 实验结果及分析
  • 3.4 本章小结
  • 第四章 改进的语音识别算法
  • 4.1 改进的语音识别算法-TSMS 算法
  • 4.1.1 HMM 及存在的缺陷
  • 4.1.2 改进的三步混合(TSMS)训练算法
  • 4.1.3 TSMS 算法结果及分析
  • 4.2 改进的语音识别算法-DTW 高效算法
  • 4.2.1 传统的DTW 算法及存在的缺陷
  • 4.2.2 改进的DTW 高效算法
  • 4.2.3 实验结果及分析
  • 4.3 语音识别系统的建立
  • 4.4 本章小结
  • 第五章 语音识别在机器人控制上的实现
  • 5.1 系统设备简介
  • 5.1.1 硬件设备
  • 5.1.2 软件要求
  • 5.1.3 Microsoft Speech SDK 简介
  • 5.2 机器人语音控制系统总体设计
  • 5.2.1 系统总体结构设计
  • 5.2.2 系统各个功能模块的设计
  • 5.2.3 机器人语音控制的总体流程设计
  • 5.3 基于Microsoft Speech SDK 的机器人控制系统的设计
  • 5.3.1 Speech SDK 创建程序文件的编写
  • 5.3.2 系统测试的程序设计
  • 5.4 基于改进语音识别算法的机器人控制系统的设计
  • 5.4.1 VC++对话框窗体的设计
  • 5.4.2 与Matlab 接口程序的编写
  • 5.5 实验结果及分析
  • 5.5.1 基于Speech SDK 的机器人运动情况测试及分析
  • 5.5.2 基于改进语音识别算法的机器人运动情况测试及分析
  • 5.6 本章小结
  • 结论
  • 参考文献
  • 发表文章目录
  • 致谢
  • 详细摘要
  • 相关论文文献

    • [1].服装智能制板中的结构特征参数模型设计[J]. 毛纺科技 2020(09)
    • [2].基于多特征参数融合的模拟电路故障诊断方法[J]. 电工技术 2020(04)
    • [3].送气辅音与非送气辅音的区别特征参数[J]. 清华大学学报(自然科学版) 2009(S1)
    • [4].基于合成特征参数的雷达信号聚类分析[J]. 航天电子对抗 2011(06)
    • [5].基于自适应最优权重的交流接触器特征参数权重影响分析[J]. 电器与能效管理技术 2020(02)
    • [6].基于特征参数的冷水机组模型抗干扰性分析[J]. 中南大学学报(自然科学版) 2018(05)
    • [7].产品关键特征参数变换创新方法的研究[J]. 机械制造 2016(03)
    • [8].飞机发电机故障诊断的多特征参数组合分析[J]. 测控技术 2017(07)
    • [9].一种二极管特征参数的提取方法[J]. 船电技术 2015(08)
    • [10].变压器热点温度和等值老化热特征参数的研究[J]. 高压电器 2012(02)
    • [11].基于小波变换语音组合特征参数的提取[J]. 微计算机信息 2010(16)
    • [12].钛合金组织特征参数与拉伸性能预测[J]. 稀有金属材料与工程 2009(06)
    • [13].基于数字化脉图评价易筋经调节大学生健康状态研究[J]. 中国中医药信息杂志 2020(06)
    • [14].基于产品结构特征参数的实例搜索与修改方法[J]. 农业工程学报 2012(23)
    • [15].MODIS影像雪深遥感反演特征参数选择与模型研究[J]. 武汉大学学报(信息科学版) 2011(01)
    • [16].对数周期天线特征参数对电性能的影响分析[J]. 电波科学学报 2013(05)
    • [17].基于一种新特征参数的说话人识别[J]. 兰州理工大学学报 2008(01)
    • [18].不同爆发频率下的泥石流动力特征参数计算[J]. 地质灾害与环境保护 2016(04)
    • [19].任意位置回转面特征参数的提取[J]. 计量技术 2008(03)
    • [20].玉米霉变与其图像颜色特征参数之间的相关性研究[J]. 粮食与饲料工业 2015(02)
    • [21].图像几何特征参数快速提取算法[J]. 计算机工程与科学 2012(07)
    • [22].基于合成特征参数和脉冲样本图的雷达信号分选[J]. 火力与指挥控制 2012(09)
    • [23].交通基础设施空间特征参数的多维估计方法[J]. 交通运输系统工程与信息 2018(03)
    • [24].人工检验作业指导书——车辆特征参数检查[J]. 汽车与安全 2015(04)
    • [25].基于MFCC特征聚类变换的歌曲中歌声的识别[J]. 电脑知识与技术 2016(31)
    • [26].用图像提取近岸堆积冰特征参数的方法研究[J]. 数学的实践与认识 2015(10)
    • [27].一种雷达信号特征参数评估的新方法[J]. 雷达科学与技术 2018(04)
    • [28].小波和余弦变换的电机轴承故障特征参数构造[J]. 中北大学学报(自然科学版) 2017(02)
    • [29].电解电容器特征参数提取方法研究[J]. 电子测量技术 2015(09)
    • [30].基于应变片法的低温条件下热膨胀特征参数的测量方法与装置(英文)[J]. Journal of Zhejiang University-Science A(Applied Physics & Engineering) 2014(05)

    标签:;  ;  ;  ;  

    基于语音识别的机器人控制技术的研究
    下载Doc文档

    猜你喜欢