一种基于语音识别的智能门锁识别系统及方法与流程

本发明属于语音识别，尤其涉及一种基于语音识别的智能门锁识别系统及方法。

背景技术：

1、目前，在生物识别技术领域中，声纹识别技术如说话人识别以其独特的方便性、经济型和准确性等优势受到青睐，并日益成为人们日常生活和工作重要且普及的安全验证方式。随着计算机技术、传感器技术和生物特征识别技术的快速发展，生物特征识别技术已被广泛应用于金融支付、身份鉴定等多种重要场合，生物特征识别技术用于门禁系统的验证也受到了越来越多用户的信赖和支持，许多高档小区、办公大楼、高效宿舍和实验室等重要场合，对智能门禁系统的需求逐步提升，由于在门禁系统中得智能门锁通常是需要指纹、密码或i c卡识别的，这会给携带不方便，在外来访客或者屋内没人时需要启动门禁，而不能进行留言，同样在老人和小孩使用时也会带来不便。因此，亟需一种可以快速语音识别和验证效率的智能门锁，以解决上述存在的技术问题。

技术实现思路

1、有鉴于此，本发明提供了一种语音识别精确度和智能控制灵活性的基于语音识别的智能门锁识别系统及方法，以解决上述存在的技术问题，具体采用以下技术方案来实现。

2、第一方面，本发明提供了一种基于语音识别的智能门锁识别系统，包括：

3、预处理模块，用于向获取智能门锁发送的语音信息，对语音信息进行预处理得到语音信号；

4、特征提取模块，用于从语音信号中提取表征说话人的生理特征和个性信息，根据胜利特征和个性信息对语音信号进行增强得到语音信号进行语音增强得到测试数据，其中，生理特征包括性别和年龄，个性信息包括音调和音色；

5、模型训练模块，用于将测试数据输入至深度神经网络中训练对语音信号进行声纹识别得到识别结果，其中，识别结果包括用户身份和留言信息；

6、识别判断模块，用于将识别结果与预先构建的语料库匹配成功得到控制指令，根据控制指令对门锁进行智能控制。

7、作为上述技术方案的进一步改进，识别判断模块包括智能门锁单元、中间件单元和应用单元；

8、智能门锁单元用于记录门锁状态，接收中间件单元下发的控制指令并上传门锁消息，中间件单元用于传递门锁上传的门锁状态信息，接收智能门锁单元的操作和自身的各种指标数据并传输至语料库，语料库根据指标数据分析用户行为与监控中间件单元的实时状况；应用单元用于对门锁信息进行展示，对门锁状态进行操作和开关固件升级以实现人机交互。

9、作为上述技术方案的进一步改进，模型训练模块的执行过程包括：

10、将测试数据对应的测试模板与训练模板进行比对，通过对比两者间的相似性测度进行识别，并结合动态时间规整算法计算测试数据中的语音数据的发音快慢；

11、预设函数f[(mi,ni)]对应于网格(mi,ni)的前一个网格点，则有路径代价函数d[(mi,ni)]，且f[(mi,ni)]＝(mi-1,ni-1)，初始化使ni＝i(i＝1,2...,n)，n1＝m1＝1，f[(m,n)]＝(0,0)，其中r为平行四边形约束；

12、采用递归法计算f[(mi,ni)]和d[(mi,ni)]得到表达式为其中m＝mi,mi-1,mi-2，语音信号的总是真由d[(m,n)]求得，当i＝n时，点(m,n)向前回溯，从而得到最佳路径为(mi-1,ni-1)＝f[(mi,ni)],(i＝n,n-1,...3,2)，当(mi-1,ni-1)＝(0,0)时结束。

13、作为上述技术方案的进一步改进，采用矢量量化的特征数据量来表示整体特征矢量，将若干采样信号分类，每一类为一个矢量，再将这个矢量进行量化，预设输入特征矢量x＝{xi,i＝1,2...,t},，n表示迭代次数，li(n)表示第n次迭代的第i个子胞腔，yi(n)表示这个子胞腔的码字，码字总共有j个，最大迭代次数为m′，迭代阈值设为ε，其具体过程包括：

14、选取所有输入特征矢量的质心为初始化码本{yi(0),1≤i≤j}，采用较小的阈值将胞腔一分为二的表达式分别为yi(1)＝yi(0)-ε、yi(2)＝yi(0)+ε，yi(1)和yi(2)分别表示分裂前的胞腔码字、一分为二后的胞腔码字，胞腔数增倍，令n＝0；

15、当n＝n+1时，计算各帧特征矢量和当前码字，若满足，则x∈ci(n)，d表示的是矢量间的欧氏距离，d(x,yi(n-1))≤d(x,yj(n-1)),i≠j,1≤i,j≤m′，采用表达式为

16、当n＝l或迭代结束时，则返回到采用较小的阈值将胞腔一分为二，否则保存并输出挡墙最佳码本{yi|i＝1,2...,m′}，若失真变化率大于阈值，将跳至当n＝n+1时所在的聚类过程。

17、作为上述技术方案的进一步改进，特征提取模块的执行过程包括：

18、采用谱减法对语音信号进行语音增强，从语音信号的功率谱中减去噪声功率谱已得到纯净的语音频谱；

19、预设s(t)表示纯净语音信号，n′(t)表示加性噪声信号，y(t)表示带噪语音信号，则y(t)＝s(t)+n′(t)，使用y(ω)、s(ω)和n′(ω)分别表示y(t)、s(t)和n′(t)的傅里叶变换，则y(ω)＝s(ω)+n′(ω)；

20、若与银杏与加性噪声是相互独立的，则|y(ω)|2＝|s(ω)|2+|n′(ω)|2，若使用py(ω)、ps(ω)和pn(ω)分别表示y(t)、s(t)和n′(t)的功率谱，则py(ω)＝ps(ω)+pn′(ω)，通过发声前的无语音但有噪声来估计噪声的功率谱pn′(ω)，则ps(ω)＝py(ω)-pn′(ω)，将减出来的功率谱ps(ω)确定为纯净的语音功率谱，从该功率谱恢复降噪后的语音时域信号以得到测试数据。

21、作为上述技术方案的进一步改进，从该功率谱恢复降噪后的语音时域信号以得到测试数据，包括：

22、从带噪语音x0[n0]的功率谱|x(ejw)|2中估计出纯净语音的功率谱使用表达式为其中x0[n0]表示输入信号的离散序列，若在语音信号s[n0]中加入加性噪声n0[n0]，根据噪声与信号为无关的且是非平稳的，噪声的变化率小于信号，则得到x0[n0]＝s[n0]+n0[n0]并进行傅里叶变换，得到表达式为其中是对无语音时|n0(ejw)|2的统计估值，|x(ejw)|2表示带噪语音的功率谱，|s(ejw)|2表示语音信号的功率谱，其中，在非语音段时，对噪声功率谱的估计值进行更新。

23、作为上述技术方案的进一步改进，根据带噪语音中得输入噪声进行估计，采用谱相减算法去除带噪语音中的噪声，得到语音信号的估计值，采用输出的信号来重新估计维纳滤波器的传递函数，在语音段和非语音段对背景噪声进行更新，包括：

24、计算背景噪声幅度谱的初始平滑估计值预设带噪音前n_no帧为纯噪声信号，则采用其幅度的统计平均来估计递推表达式为其中n＝1...n_no，表示背景噪声的第n次统计估计值，其初始值表示第n帧带噪语音信号的功率谱，得到背景噪声幅度谱的初始平滑估计值的表达式为其中|xn_no(ejw)|表示第n_no帧带噪语音信号的幅度谱；

25、令帧变量n＝n_no+1，采用表达式为其中表示噪声功率谱的平湖估计，表示信号功率谱的估计值；

26、对带噪语音信号幅度谱进行滤波得到当前帧背景噪声幅度谱的估计值

27、计算谱相减后得到信号的幅度谱估计值采用当前k帧噪声幅度谱估计值对背景噪声的平滑估计值进行更新的表达式为其中表示比例因子；

28、若语音信号变化的速率和噪声信号变化的速率能分开，则对p进行合理的设置，和变化慢，变化快；

29、计算信号幅度谱的平滑估计当帧变量n＝n+1时，若n>总帧数n，则结束，得到谱相减后的语音幅度谱的估计值作为输出，则重复上述步骤继续执行。

30、作为上述技术方案的进一步改进，预处理模块的执行过程包括：

31、预设语音信号的采样数据为{qk}(k＝1,2...n)，n表示样点总数，令采样时间间隔δt＝1，使用表达式为其中k∈[1,n]，计算各待定系数αj(j＝0,1,2...m)，令函数与离散采样数据qk的误差二次方和e为最小，则满足e有极值条件表示为

32、依次选取e对αi求编导产生m+1元线性方程组计算出m+1个待定系数αj(j＝0,1...m)，m表示设定的多项式阶次，i和j值得范围表示0≤i，j≤m，当m＝0时，趋势项表示常数，当m＝0时，m表示常熟趋势项，即为信号采样数据的算术平均值，当m＝1时，表示线性趋势项得到当m≥2时，趋势项表示曲线趋势项。

33、作为上述技术方案的进一步改进，将识别结果与预先构建的语料库匹配成功得到控制指令，包括：

34、采用矢量化算法将r维欧式空间rr中得矢量按照预设准则对r维中得有限个矢量来表示，在矢量化处理中表示输入矢量，表示量化矢量或码字，表示码本，码字数目m称为码本容量，在训练数据时矢量量化的准则为在给定的码本容量k时，使量化的失真最小；

35、对待识别的说话人语音进行识别时，按照与训练时提取一组特征矢量，使用n个说话人的n个码本分别对中各适量进行量化，找到特征空间中与该组特征矢量接近的一个码本则对应的说话人i作为辨认结果以得到识别结果。

36、第二方面，本发明还提供了一种基于语音识别的智能门锁识别方法，包括以下步骤：

37、向获取智能门锁发送的语音信息，对语音信息进行预处理得到语音信号；

38、从语音信号中提取表征说话人的生理特征和个性信息，根据胜利特征和个性信息对语音信号进行增强得到语音信号进行语音增强得到测试数据，其中，生理特征包括性别和年龄，个性信息包括音调和音色；

39、将测试数据输入至深度神经网络中训练对语音信号进行声纹识别得到识别结果，其中，识别结果包括用户身份和留言信息；

40、将识别结果与预先构建的语料库匹配成功得到控制指令，根据控制指令对门锁进行智能控制。

41、本发明提供了一种基于语音识别的智能门锁识别及方法，通过向获取智能门锁发送的语音信息，对语音信息进行预处理得到语音信号，从语音信号中提取表征说话人的生理特征和个性信息，根据胜利特征和个性信息对语音信号进行增强得到语音信号进行语音增强得到测试数据，将测试数据输入至深度神经网络中训练对语音信号进行声纹识别得到识别结果，将识别结果与预先构建的语料库匹配成功得到控制指令，根据控制指令对门锁进行智能控制，可以实现智能门锁快速采集语音信息，并对语音信息排除噪音和语音信息准确认证，以实现智能门锁的灵活控制，提高了用户使用体验。