共查询到18条相似文献,搜索用时 437 毫秒
1.
基于特定人语音识别技术的家电远程控制装置 总被引:2,自引:1,他引:1
介绍了一种基于电话网的家电远程控制装置.通过单片机实现对语音信号的采集、处理以及识别,并根据结果控制家用电器.其中采用的特定人语音识别技术增强了使用的安全性,家电控制部分利用无线遥控模块完成无线控制,避免了布线的麻烦,同时通过引入语音提示功能,增加了人机交互. 相似文献
2.
3.
4.
利用人工智能技术和深度学习算法,设计开发了基于AI+IOT的智慧家居系统。基于百度提供的免费的语音识别云平台,该系统使用ZigBee网络,对家居环境数据进行采集、分析,并通过物联网技术和人工智能技术实现远程语音控制各种家电的功能。基于深度学习,系统通过百度语音识别技术对自然语言进行语音识别,通过搭建系统编译环境成功融合了AI技术和IOT技术实现了具有语音控制功能的智能家居系统,致力于为人们提供更加便捷智能的生活。 相似文献
5.
6.
7.
基于语音识别技术和无线传感网络,设计了一套能够通过远程语音遥控进行便捷控制的智能家居系统;分析了语音识别技术的基本原理和无线传感网络在智能家居中的应用,重点阐述了系统的设计方案以及主要硬件组成和软件设计思路;通过对特定人语音识别的训练和测试,该系统能够以较高的识别率和灵敏度完成对智能家电的远程控制;系统实时输出识别结果,识别速度快,抗干扰能力强,识别率可以达到98%,在语音远程控制领域具有广阔的市场前景和应用推广价值。 相似文献
8.
语音识别是实现人机通信的一种重要技术手段.语音识别与语音合成技术的结合使人们能够摆脱人工输入的繁琐,通过语音命令实现控制功能.语音技术的应用已经成为一个具有竞争性的新兴高技术产业,语音识别产品在人机交互应用中已经占到越来越大的比例.本文阐述了基于单片机平台的语言识别技术的设计,为相关的设计研究工作提供了参考. 相似文献
9.
针对传统智能家居系统系统安装和维护成本高,系统可扩展性和移动性能差的问题,提出利用ZigBee无线技术和家庭服务机器人的机动性、自律能力来实现智能家居系统。为实现室内近距离对家庭服务机器人和家电设备的控制,为其设计基于ZigBee无线通信技术的语音遥控器。该遥控器通过ZigBee和语音识别技术的应用,不仅可以用于控制家庭机器人的前进、后退等,还可以用于控制具有ZigBee无线通信模块的家电设备,具有一定的通用性。 相似文献
10.
军事装备无感控制是军事装备智能化建设进程中的一个重要研究方向,其中语音控制技术作为无人装备无感控制手段的关键组成部分,受到了越来越多的重视。为完成军事装备语音控制任务,设计一种基于门控网络的中文语音识别网络,并构建军事装备控制指令数据集,实现基于控制指令语音识别技术的军事装备控制。在传统卷积神经网络的结构基础上引入深度残差门控卷积网络,提高识别网络的准确性,同时通过多途径构建军事装备控制指令数据集,设计一套针对军事装备无感控制的语音识别方案。实验结果表明,该语音识别网络军事语音控制指令识别率可达87%,外接语言模型后可达92%,语音识别准确率高、误差率低,可完成军事装备的语音控制任务。 相似文献
11.
为使智能机器人远程控制更加方便、快捷、人性化,设计并实现了一种智能机器人的语音远程控制系统方案。该方案利用微软语音开发包Microsoft Speech SDK,构建基于听写模式的大词汇量语音识别模块和语音合成模块,利用海量中文智能分词组件构建关键词检测模块,结合VFW(Video For Windows)技术与无线网络技术构建信息传输模块。实验表明,该系统语音识别准确率高,识别范围广,语音输入灵活。 相似文献
12.
语音识别技术在信息安全、智能家居等方面具有广泛的用途。本文在研究已有语音识别技术的基础之上,探讨在嵌入式设备上如何编程实现语音识别算法,最后搭建智能声控平台,将之应用于远程电源管理,控制远程电源模块通电和断电,实验数据表明该方法可以方便操控远程电源设备开启或关闭。 相似文献
13.
14.
Bojan Kotnik Damjan Vlaj Bogomir Horvat 《International Journal of Speech Technology》2003,6(3):205-219
The evolution of robust speech recognition systems that maintain a high level of recognition accuracy in difficult and dynamically-varying acoustical environments is becoming increasingly important as speech recognition technology becomes a more integral part of mobile applications. In distributed speech recognition (DSR) architecture the recogniser's front-end is located in the terminal and is connected over a data network to a remote back-end recognition server. The terminal performs the feature parameter extraction, or the front-end of the speech recognition system. These features are transmitted over a data channel to the remote back-end recogniser. DSR provides particular benefits for the applications of mobile devices such as improved recognition performance compared to using the voice channel and ubiquitous access from different networks with a guaranteed level of recognition performance. A feature extraction algorithm integrated into the DSR system is required to operate in real-time as well as with the lowest possible computational costs.In this paper, two innovative front-end processing techniques for noise robust speech recognition are presented and compared, time-domain based frame-attenuation (TD-FrAtt) and frequency-domain based frame-attenuation (FD-FrAtt). These techniques include different forms of frame-attenuation, improvement of spectral subtraction based on minimum statistics, as well as a mel-cepstrum feature extraction procedure. Tests are performed using the Slovenian SpeechDat II fixed telephone database and the Aurora 2 database together with the HTK speech recognition toolkit. The results obtained are especially encouraging for mobile DSR systems with limited sizes of available memory and processing power. 相似文献
15.
在箱式变电站监控与保护系统中应用远程数字视频监控与图像识别技术有利于及时进行设备维护和故障排除。本文介绍了远程数字视频监控与图像识别技术及其应用现状,说明了一般的图像识别过程。采用图像识别技术可对设备信号灯、7段式数字、指针位置和开关位置进行识别,介绍了具体识别过程。指出远程数字视频监控与图像识别技术在电力系统中具有广阔的应用前景。 相似文献
16.
语音是人类与智能手机或智能家电等现代智能设备进行通信的一种常用而有效的方式。随着计算机和网络技术的显著进步,语音识别系统得到了广泛的应用,它可以将用户发出的语音指令解释为智能设备上可以理解的数字指令或信号,实现用户与这些设备的远程交互功能。近年来,深度学习技术的进步推动了语音识别系统发展,使得语音识别系统的精度和可用性不断提高。然而深度学习技术自身还存在未解决的安全性问题,例如对抗样本。对抗样本是指在模型的预测阶段,通过对预测样本添加细微的扰动,使模型以高置信度给出一个错误的目标类别输出。目前对于对抗样本的攻击及防御研究主要集中在计算机视觉领域而忽略了语音识别系统模型的安全问题,当今最先进的语音识别系统由于采用深度学习技术也面临着对抗样本攻击带来的巨大安全威胁。针对语音识别系统模型同样面临对抗样本的风险,本文对语音识别系统的对抗样本攻击和防御提供了一个系统的综述。我们概述了不同类型语音对抗样本攻击的基本原理并对目前最先进的语音对抗样本生成方法进行了全面的比较和讨论。同时,为了构建更安全的语音识别系统,我们讨论了现有语音对抗样本的防御策略并展望了该领域未来的研究方向。 相似文献
17.