本发明涉及一种语音控制方法技术领域,特别是一种风扇语音控制系统的语音识别方法。
背景技术:
具有语音控制功能的电风扇可以通过采集使用者的语音命令来对电风扇的工作状态进行调控,大大提高了电风扇的使用便捷性;电风扇大多具有扇叶转速调节功能,即通过调节电机的转速来实现不同等级的风速、风量,但是随着扇叶转速的提升,也会使得电风扇的风噪增大。
因此现有技术中具有语音控制功能的电风扇,在扇叶转速较高的情况下,语音识别过程中所收到的用户语音指令会与电风扇的风噪叠加,从而使得电风扇收到的声音信号信噪比数值过低,最终导致电风扇的语音识别准确率较低。
技术实现要素:
为了克服现有技术的不足,本发明提供了一种风扇语音控制系统的语音识别方法,在扇叶转速较高的情况下,能够克服电风扇的风噪对用户语音指令的干扰,提高电风扇的语音识别准确率。
本发明解决其技术问题所采用的技术方案是:
一种风扇语音控制系统的语音识别方法,包括以下步骤:
s1:根据设定的电风扇扇叶转速临界值将电风扇的工作状态分为低风噪工作模式和高风噪工作模式;
s2:采集电风扇在高风噪工作模式时收集到的语音数据,加以自适应降噪处理和机器训练学习,得到适用于电风扇在高风噪工作模式时的专用语音模型;
s3:电风扇在高风噪工作模式下,语音控制系统采集到声音音频数据后,对声音音频数据进行自适应降噪处理,保留用户语音指令并采用专用语音模型进行识别;
s4:电风扇语音控制系统根据用户语音指令的识别结果控制电风扇的工作状态。
作为上述技术方案的进一步改进:
步骤s2中,还采集电风扇在低风噪工作模式时收集到的语音数据,加以机器训练学习,得到适用于电风扇在低风噪工作模式时的默认语音模型;
步骤s3中,电风扇在低风噪工作模式下,语音控制系统采集到声音音频数据后,直接采用默认语音模型对声音音频数据进行识别。
与现有技术相比较,本发明的有益效果是:
本发明所提供的一种风扇语音控制系统的语音识别方法,针对电风扇不同风噪状态开发不同的语音识别模型,并应用于电风扇的不同风噪状态中:
在风扇处于高风噪工作模式下,对语音数据进行降噪处理并与专用语音模型进行匹配,可以有效抑制风噪对语音识别的影响,提升了语音识别的准确率;
在风扇处于低风噪工作模式下,直接将收集到的声音音频数据采用默认语音模型进行识别,不仅节省了cpu资源,而且可以避免降噪处理导致用户语音指令中的细节损失,因此也有利于保证语音识别的准确率。
具体实施方式
下面结合具体实施例对本发明作进一步地说明。
本实施例所提供的一种风扇语音控制系统的语音识别方法,包括以下步骤:
s1:根据设定的电风扇扇叶转速临界值将电风扇的工作状态分为低风噪工作模式和高风噪工作模式。
s2:采集电风扇在高风噪工作模式时收集到的语音数据,加以自适应降噪处理和机器训练学习,得到适用于电风扇在高风噪工作模式时的专用语音模型;
还采集电风扇在低风噪工作模式时收集到的语音数据,加以机器训练学习,得到适用于电风扇在低风噪工作模式时的默认语音模型。
s3:电风扇在高风噪工作模式下,语音控制系统采集到声音音频数据后,对声音音频数据进行自适应降噪处理,保留用户语音指令并采用专用语音模型进行识别;
电风扇在低风噪工作模式下,语音控制系统采集到声音音频数据后,直接采用默认语音模型对声音音频数据进行识别。
s4:电风扇语音控制系统根据用户语音指令的识别结果控制电风扇的工作状态。
综上所述,本实施例所提供的一种风扇语音控制系统的语音识别方法,对电风扇处于高风噪状态下的语音命令声音信号进行针对性的语音模型开发,通过采集电风扇高风噪状态下收集到的语音数据,并加以自适应降噪处理和机器训练学习,得到适用于电风扇在高风噪状态下的专用语音模型;现有技术中已经公开了多种自适应降噪处理算法和机器训练学习方法,因而在此无需赘述自适应降噪处理和机器训练学习的具体方法和内容。
当电风扇处于高风噪状态时,启动专用语音模型,将语音控制系统采集到的声音音频数据,通过自适应降噪算法进行抑制风噪处理,并保留用户语音指令,并根据识别的语音指令控制电风扇进行工作;该方法可以有效提升语音指令的信噪比,与电风扇在高风噪状态下的专用语音模型形成较高的匹配度,有利于正确识别用户的语音指令。
当电风扇处于无风噪或低风噪状态时,禁用专用语音模型,使用默认语音模型,并关闭自适应降噪算法,从而以节省cpu资源;由于自适应降噪算法在抑制风噪的同时,往往会损失用户语音指令中的细节成分,削弱语音识别的准确率,因此在电风扇的低风噪状态下不适用降噪处理和专用语音模型。
以上对本发明的较佳实施方式进行了具体地说明,当然,本发明还可以采用与上述实施方式不同的形式,熟悉本领域的技术人员在不违背本发明精神的前提下所作的等同的变换或相应的改动,都应该属于本发明的保护范围内。