基于语音识别的智能家居系统的设计与开发

杨凡 杨迎尧 邹杰 李曙英

摘  要：随着人们收入水平和生活水平的显著提高，智能家居越来越多地走进人们的生活。目前，移动终端系统以多样化、图形化的智能家居界面控制着智能家居设备，受到了人们的青睐。为了进一步解放人们的双手，使人们更加轻便地操控智能家居，设计了以语音识别技术为核心的智能家居控制系统。基于STM32，本系统采用Mel频率倒谱系数（MFCC）算法和动态时间弯折（DTW）算法分析和识别语音信号，通过ZigBee自组织网络，采集室内的温度、湿度、光线强度等信息，并控制灯、风扇、窗帘等智能设备的开关。

关键词：语音識别;智能家居;MFCC;DTW;STM32;ZigBee

中图分类号：TN912.34;TP273.5     文献标识码：A 文章编号：2096-4706（2019）09-0164-04

0  引  言

随着智能家居技术应运而生，智能化家电是当代社会发展的必然趋势。智能家居目前在国内是一个新兴发展的产业，它正以势不可挡的趋势蓬勃兴起。在智能家居系统中，用语音识别来控制以家电为代表的产品，受到了越来越多人们的期待。语音识别技术也随之进入大众的视线，并开始为更多人所了解和使用。语音识别技术最终会颠覆人与家电之间的交互方式，使生活更加便捷、轻松。很多高端的智能家电使用云平台，通过手机、平板等终端获取家电的工作状态与信息。但手机软件的交互性并不令人满意，反而使人再次被手机绑架，并且连接互联网使人们的安全隐私、家庭信息等都存在着安全隐患。

本设计是语音识别技术中较为基本的，适合于在嵌入式平台中实现一些简单的语音控制功能。在本系统中采用STM32F103VET6作为主控制器，采集并识别语音信号。以低廉的成本、高效的算法完成了孤立词语音识别的设计目标。

1  语音信号分析识别算法

1.1  端点检测

语音信号的端点检测是指根据能量谱线判别语音的开始位置和结束位置。判别语音段的开始位置和结束位置的问题可以简单归结为区别语音和噪声的问题。但是在实际应用中，我们很难保证语音信号处于相对较高的信噪比下，仅仅根据短时平均能量来判断语音信号的端点在信噪比较低的情况下是不可靠的。因此，这里采用的端点检测方法是双门限比较法，它是根据平均能量和平均过零率共同进行判别的端点检测方法。

如图1所示。首先，根据一段语音信号的平均能量先确定信号阈值T1，信号阈值T1与能量谱的两侧交点分别记为信号能量阈值的上限和下限，作为判断语音信号的有限区域。接着，根据噪声的平均能量确定阈值T2（T2

在信噪比较小的情况下，需要根据平均过零率来确定语音信号的开始位置和结束位置。通过语音信号的过零次数，确定过零阈值T3。根据由平均能量确定的开始位置和结束位置，向两侧寻找过零阈值T3与过零次数的交点，记为过零阈值的上限和下限，即可以作为信噪比较低时的语音信号的开始位置和结束位置。

3  智能家居系统布局设计

智能家居系统使用联网三层架构设计，其功能模块设计包括：智能照明、智能窗户窗帘、空气质量检测与净化、智能用电、智能安全、智能温控。

3.1  ZigBee组网和拓扑结构

为了实现智能家居控制系统的高实时性和稳定性的信息传输，这里采用ZigBee设备作为系统的短距离通信技术解决方案，因为其具有组网灵活、安全性高、低功耗等优点。ZigBee协议结构中的网络层是控制新设备分配IP地址，管理设备的入网、离网，并为数据提供安全加密路由机制。

本设计采用网型结构，在网状网络中，其最大特点在于，如果处在对方的无线覆盖范围内，任何路由器之间都是可以相互通信的，并且网络结构复杂。设备之间的通信链路存在多条路径，数据传输时可以选择最优路径，缩短时延。网状结构具有较强的健壮性。网络中的所有节点均具有路由功能，为节点之间的通信提供了更多的路径选择方案，每个节点有两条以上的路径连接到目的节点。网络中每个节点可与其通信距离之内的相邻节点直接通信;也可进行间接通信，通过中间路由节点转发，实现数据远距离传输，在当前路径中某个节点出现故障时，数据就可以选择其他畅通的路径进行传输，确保数据传输的稳定和可靠。

3.2  感知层

感知层用到的主要传感器：无线平移开窗器、风雨传感器、光照传感器、漏水检测器、二氧化碳传感器、温控传感器、空气传感器、智能开关、智能插座。

3.3  应用层

应用层主要完成数据的采集分析和设备的控制功能，数据采集与数据分析是对数据进行实时采集与处理;控制模块是根据采集的信息进行相关设备控制操作。

以STM32为中心控制单元，通过各个传感器采集信息，将数据通过ZigBee采集处理，并通过协调器与STM32进行通信，实现对各个智能家居工作情况的反馈。同时，用户可以通过语音来操作家居设备，实现实时监测与实时操作的目的。

4  结  论

STM32不仅对用户的语音指令进行分析，识别正确率超过85%，并收集ZigBee终端节点所监测的家庭信息，以及对其进行语音控制。在后面的研究中，需要对系统的语音库进一步扩大与丰富。一方面，解决不同人的不同说话方式所产生的未识别或者错误识别;另一方面，进一步增强系统与人的语音交互性，丰富反馈的语音。

参考文献：

[1] 蒋立兵.基于STM32的智能家居控制系统的设计与开发 [D].北京：北京邮电大学，2011.

[2] 王文川.基于ARM的嵌入式智能家居系统的研究 [D].合肥：合肥工业大学，2013.

[3] 赵彦平，赵晓晖.用于语音端点检测的鲁棒性特征提取新方法 [J].吉林大学学报（工学版），2006（1）：77-81.

[4] 赵奎兵，段富海.基于ZigBee节点的智能家居系统语音控制设计 [J].现代电子技术，2012，35（20）：5-8.

[5] 张荣强.说话人识别中特征提取的方法研究 [D].大连：大连理工大学，2005.

[6] 文林.基于改进MFCC的语音识别系统研究及设计 [D].长沙：中南大学，2011.

[7] 姜干新，陈伟.嵌入式语音识别系统中的DTW在线并行算法 [J].计算机应用研究，2010，27（3）：977-980.

[8] 张亮.基于ZigBee技术的智能家居环境监测系统 [D].武汉：武汉科技大学，2009.

[9] 顾亚强.非特定人语音识别关键技术研究 [D].长沙：国防科学技术大学，2009.

[10] 雷梁.基于ZigBee无线传感网络的嵌入式智能家居监控系统研究 [D].成都：西华大学，2009.

作者简介：杨凡（1996.01-），男，汉族，江苏淮安人，学生，工程学士，研究方向：电路与系统;通讯作者：李曙英（1960.09-），女，汉族，江苏常州人，副教授，工程硕士，研究方向：物联网工程。