一种自动控制的智能家具的制作方法

文档序号:14776386发布日期:2018-06-23 03:28阅读:367来源:国知局
一种自动控制的智能家具的制作方法

本发明涉及家具领域,特别是涉及一种自动控制的智能家具。



背景技术:

智能家具产品打破了传统家具的组合模式,充分发挥了用户的主观创造性,外形尺寸、组合模式不再是家具生产厂家说的算,而是用户根据个人的喜好和家庭空间的实际情况,自由组合自由搭配。我们通过将家具功能拆分、单元化加工,每一个单元就是一件产品,产品可以通过产品的排列叠加进行组合。

电子智能是指将当今前沿的电子科技产品,植入家具当中,可实现如下功能:

1、使用户可方便的通过手机、平板电脑等进行数据交换、数据传送、影音播放;

2、可以通过简单触控动作实现LED灯光的调节、开启或关闭。通过对桌面玻璃的触控动作实现加热、泡茶等功能。

3、通过简单的开关门动作实现灯光的开启、关闭、除臭、消毒、烘干等功能。

例如市面上的E&N智能电视柜同时拥有网络中心与数据中心功能。只需将外网线缆接入电视柜,即可实现无线WIFI网络覆盖功能。同时内置高达1TB的无线数据中心,可方便的将手机、平板电脑、台式电脑、笔记本电脑、智能电视等网络终端设备的数据备份到数据中心,也可方便的获取数据中心中的数据。可用电视直接播放数据中心内数千个影片或预约的电视节目,展示自己拍摄的影片及照片。用手机、电脑获取备份的APP应用、个人数据及通讯录、技术资料、书籍等。

但目前社会上使用语音识别对家具进行控制的产品并不多,而且推广度也不够大。语音识别家具现在没有办法大量推广的最主要原因是现有的语音识别算法还不够成熟,识别率和误识别率都没有办法达到大部分的智能家具要求,导致语音识别的智能家具的性能较差。



技术实现要素:

为了解决上述技术问题,本发明提供一种自动控制的智能家具。

一种自动控制的智能家具,包括智能家具本体、控制系统、语音识别系统、显示模块、开关单元和通讯模块,以及设置于所述智能家具本体中的电源线,所述控制系统、语音识别系统、显示模块、开关单元和通讯模块分别与电源线连接,所述智能家具本体、语音识别系统、显示模块、开关单元和通讯模块与控制系统连接并受控于所述控制系统,其中所述语音识别系统包括依次连接的语音信号采集单元、语音预处理单元、语音识别单元和传输单元,所述开关单元用于在接收到外部开关指令后,通过控制系统来控制所述语音识别系统进行工作或处于休眠状态。

所述语音信号采集单元用于采集语音信息,并将采集到的语音信息发送给所述语音预处理单元;

所述语音预处理单元对接收的语音信息进行预滤波、采样、量化、加窗、预加重、端点检测和去噪处理后得到预处理后的语音数据,并将得到的所述预处理后的语音数据发送给所述语音识别单元,其中语音信息去噪处理采用卡尔曼滤波器,所述卡尔曼滤波器基于结合实时环境噪声信息的噪声模型来去除噪声;

所述语音识别单元包括特征提取单元、比较单元、输出单元和存储单元,所述存储单元用于存储对照语音数据,

所述特征提取单元用于提取所述语音预处理单元处理后的语音数据中的语音特征参数值,根据所述语音特征参数值生成待比较语音数据;

所述比较单元用于将待比较语音数据与所述对照语音数据进行比较并生成比较结果,

所述输出单元用于根据所述比较结果,确定所述比较语音数据对应的语音含义,并根据所述语音含义输出相应的识别后的语音信息;

所述传输单元将所述识别后的语音信息传输给控制系统;

所述控制系统将识别后的语音信息解析成相应的控制指令,并将控制指令通过通讯模块传输给智能家具本体。

进一步的,所述智能家具本体上还设置有温度传感器和湿度传感器,所述显示模块与温度传感器和湿度传感器连接,并显示室内的温度和湿度。

进一步的,语音预处理单元执行预加重包括:

将得到的语音序列通过预设的预加重滤波器以消除所述语音序列中的低频干扰。

语音预处理单元执行端点检测包括:将预加重后的语音序列进行分帧处理;通过第一预设检测算法判断每帧数据中是否存在语音的起始端点;若存在,则获取语音的起始端点所在的帧序号;通过第二预设检测算法判断排序在所述语音的起始端点所在的帧序号之后的每帧数据中是否存在语音的终止端点,若存在,则获取语音的终止端点所在的帧序号。

其中所述第一预设检测算法包括:对于每一帧的帧数据,判断所述帧数据的能量是否大于预设的能量阈值;所述能量值为帧数据中采样点的采样值的绝对值的平方和;若是,则计算所述帧数据的过零数,只有当所述帧数据中两个相邻采样点的符号相反并且幅值差的绝对值超过过零阈值时,判定出现一次过零;进一步判断所述过零数是否大于预设的过零数阈值,若是,则判定所述帧数据中存在语音的起始端点。

所述第二预设检测算法包括:对于每一帧的帧数据,判断所述帧数据的能量是否大于预设的自适应能量阈值;所述能量值为帧数据中采样点的采样值的绝对值的平方和;所述自适应能量阈值为第一能量阈值、第二能量阈值、第三能量阈值、第四能量阈值和第五能量阈值的加权平均值;若是,则所述帧数据包括语音的终止端点。

其中,所述第一能量阈值为最大短时能量的十分之一;所述第二能量阈值为短时能量的中位数的十分之一;所述第三能量阈值为最小短时能量的十倍;所述第四能量阈值为第一帧的短时能量的四倍;所述第五能量阈值为前三帧的平均短时能量的七倍;

所述最大短时能量、短时能量的中位数和最小短时能量均来自预设的语音训练集;所述第四能量阈值和第五能量阈值与语音预处理单元当下正在处理的语音帧数据有关。

进一步的,所述第一能量阈值、第二能量阈值、第三能量阈值、第四能量阈值和第五能量阈值的对应权值根据所述语音训练集的训练结果进行自动调整。

本发明的有益效果是:本发明提供一种自动控制的智能家具,包括智能家具本体、控制系统、语音识别系统、显示模块、开关单元和通讯模块,并设计了语音预处理单元的端点检测方法,从而将语音信号进行精确的检测,为后续准确的识别提供前提,从而方便用户使用智能家具,为智能家居提供方便。

附图说明

图1是本发明的一种自动控制的智能家具的结构示意图;

图2是本发明的语音识别系统的结构示意图;

图3是本发明的语音识别单元的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚,下面将结合附图1-3对本发明作进一步地详细描述。

一种自动控制的智能家具,包括智能家具本体1、控制系统2、语音识别系统3、显示模块4、开关单元5和通讯模块6,以及设置于所述智能家具本体中的电源线,所述控制系统、语音识别系统、显示模块、开关单元和通讯模块分别与电源线连接,所述智能家具本体、语音识别系统、显示模块、开关单元和通讯模块与控制系统连接并受控于所述控制系统,其中所述语音识别系统3包括依次连接的语音信号采集单元31、语音预处理单元32、语音识别单元33和传输单元34,所述开关单元用于在接收到外部开关指令后,通过控制系统来控制所述语音识别系统进行工作或处于休眠状态。

所述语音信号采集单元用于采集语音信息,并将采集到的语音信息发送给所述语音预处理单元;

所述语音预处理单元对接收的语音信息进行预滤波、采样、量化、加窗、预加重、端点检测和去噪处理后得到预处理后的语音数据,并将得到的所述预处理后的语音数据发送给所述语音识别单元,其中语音信息去噪处理采用卡尔曼滤波器,所述卡尔曼滤波器基于结合实时环境噪声信息的噪声模型来去除噪声;

所述语音识别单元33包括特征提取单元331、比较单元332、输出单元333和存储单元334,所述存储单元用于存储对照语音数据,

所述特征提取单元用于提取所述语音预处理单元处理后的语音数据中的语音特征参数值,根据所述语音特征参数值生成待比较语音数据;

所述比较单元用于将待比较语音数据与所述对照语音数据进行比较并生成比较结果,

所述输出单元用于根据所述比较结果,确定所述比较语音数据对应的语音含义,并根据所述语音含义输出相应的识别后的语音信息;

所述传输单元将所述识别后的语音信息传输给控制系统;

所述控制系统将识别后的语音信息解析成相应的控制指令,并将控制指令通过通讯模块传输给智能家具本体。

进一步的,所述智能家具本体上还设置有温度传感器和湿度传感器,所述显示模块与温度传感器和湿度传感器连接,并显示室内的温度和湿度。

进一步的,语音预处理单元执行预加重包括:

将得到的语音序列通过预设的预加重滤波器以消除所述语音序列中的低频干扰。

语音预处理单元执行端点检测包括:将预加重后的语音序列进行分帧处理;通过第一预设检测算法判断每帧数据中是否存在语音的起始端点;若存在,则获取语音的起始端点所在的帧序号;通过第二预设检测算法判断排序在所述语音的起始端点所在的帧序号之后的每帧数据中是否存在语音的终止端点,若存在,则获取语音的终止端点所在的帧序号。

其中所述第一预设检测算法包括:对于每一帧的帧数据,判断所述帧数据的能量是否大于预设的能量阈值;所述能量值为帧数据中采样点的采样值的绝对值的平方和;若是,则计算所述帧数据的过零数,只有当所述帧数据中两个相邻采样点的符号相反并且幅值差的绝对值超过过零阈值时,判定出现一次过零;进一步判断所述过零数是否大于预设的过零数阈值,若是,则判定所述帧数据中存在语音的起始端点。

所述第二预设检测算法包括:对于每一帧的帧数据,判断所述帧数据的能量是否大于预设的自适应能量阈值;所述能量值为帧数据中采样点的采样值的绝对值的平方和;所述自适应能量阈值为第一能量阈值、第二能量阈值、第三能量阈值、第四能量阈值和第五能量阈值的加权平均值;若是,则所述帧数据包括语音的终止端点。

其中,所述第一能量阈值为最大短时能量的十分之一;所述第二能量阈值为短时能量的中位数的十分之一;所述第三能量阈值为最小短时能量的十倍;所述第四能量阈值为第一帧的短时能量的四倍;所述第五能量阈值为前三帧的平均短时能量的七倍;

所述最大短时能量、短时能量的中位数和最小短时能量均来自预设的语音训练集;所述第四能量阈值和第五能量阈值与语音预处理单元当下正在处理的语音帧数据有关。

进一步的,所述第一能量阈值、第二能量阈值、第三能量阈值、第四能量阈值和第五能量阈值的对应权值根据所述语音训练集的训练结果进行自动调整。

以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1