智能语音提示技术在数字万用表的应用研究

张春刚 甘龙

摘要：数字万用表由于具有准确度高、测量范围宽、测量速度快、体积小、抗干扰能力强、使用方便等特点而广泛应用于国防、科研、工厂、学校、计量测试等技术领域，但其规格不同，性能指标多种多样，使用环境和工作条件也各有差别，因此应根据具体情况选择合适的数字多用表。结合智能语音提示功能，可以大大提升万用表的实用性。

关键词：智能语音提示;数字万用表;应用研究

中图分类号：TM938 文献标识码：A 文章编号：1007-9416（2020）05-0043-02

1数字万用表的关键指标

用万用表就可以很方便的测量出家里的零线火线，只要你用数字万用表，钳型万用表，指针机械万用表的交流电压档就可以。而万用表的发展已经进入到智能化，数字化的时代。数字万用表重要参数及指标一般从以下几个方面来考虑：

万用表的创新指标要考虑多个方面，在大小合适的机身下其电气指标包括：6000字的高精显示，大电容的测量，在IOA大电流的可测条件下，还保留了O.1uA的小电流测量，包括温度和NCV也是它的功能之一。并且同时具备6个按键，可以用来切换量程，记录大小值、绝对值、蓝牙功能、HOLD和频率测量。

经过十几年的发展和优化，现在数字化对智能表也有了全新的理解，我们一致认为智能表会大大提高测量的效率，使测量变得更加简单和快捷。

在数字化工程师的努力下，把智能表的概念融入到了语音播报中，设计了一个AUTO：档，数字化指标包括：可以智能识别电压、电阻和通断测量。在基本的测量中，我们无需换挡，更加智能。智能万用表还有最重要的一个身份，它还是一款蓝牙万用表，它的数字化属性可以和互联网完美配合使用的万用表。能够不断拓展，为客户提供更有效益的万用表测量;行业交流平台;基础知识普及等服务。

（1）蓝牙连接：手机即可直接操控万用表。

（2）测量数据更多应用：数据记录、数据图形化、数据分享、数据储存与导出、阈值报警。

（3）多表协同：APP可连接四台蓝牙万用表，同时进行实时监测四台万用表的测量数据。

（4）智能计算功能：运用万用表测量到的数据，快速计算理想状态下的在线功率，理想状态下的在线电阻，并且可以观察变量与非变量的关系等等。

（5）远程协助：实时远程屏幕同步，轻松零距离沟通，超远距离实时监测。

（6）数据自动保持：数据保持是一般数字万用表所常有的功能。可自动保持则很少见，在实际测量中，往往不能腾出一只手来按保持键，达到数据保持目的，自动保持的概念是将仪表提前设定在自动保持状态，当测量过程中，A/D：采样经CPU判断基本稳定在10%的读数范围内进行比较，将得出一个在范围内的平均值，此时无需再次按键，直接将测量数据保持在LCD显示屏幕上，同时蜂鸣提示。如测量过程中没有稳定下时，自动保持将一直寻找在10%的读数范围内的数值进行比较。确保做到仪表灵敏度高，准确度高，显示清晰，过载能力强，便于携带，使用更简单。

2整合智能语音提示技术

2.1整合要点

语音识别技术就是让智能设备昕懂人类的语音。它是一门涉及数字信号处理、人工智能、语言学、数理统计学、声学、情感学及心理学等多学科交叉的科学。这项技术可以提供比如自动客服、自动语音翻译、命令控制、语音验证码等多项应用。近年来，随着人工智能的兴起，语音识别技术在理论和应用方面都取得大突破，开始从实验室走向市场，已逐渐走进我们的日常生活。现在语音识别己用于许多领域，主要包括语音识别昕写器、语音寻呼和答疑平台、自主广告平台，智能客服等。智能语音提示技术在数字万用表的互动模式研究如图1，通过语音信号的输出与反馈，最终确保数字万用表的测量数据可以形成更有效和精准的现场工作策略。

2.2语音识别原理

语音识别的本质是一种基于语音特征参数的模式识别，即通过学习，系统能够把输入的语音按一定模式进行分类，进而依据判定准则找出最佳匹配结果。目前，模式匹配原理已經被应用于大多数语音识别系统中。如图1是基于模式匹配原理的语音识别系统框图。

一般的模式识别包括预处理，特征提取，模式匹配等基本模块。如图所示首先对输入语音进行预处理，其中预处理包括分帧，加窗，预加重等。其次是特征提取，因此选择合适的特征参数尤为重要。常用的特征参数包括：基音周期，共振峰，短时平均能量或幅度，线性预测系数（LPC），感知加权预测系数（PLP），短时平均过零率，线性预测倒谱系数（LPCC），自相关函数，梅尔倒谱系数（MFCC），小波变换系数，经验模态分解系数（EMD），伽马通滤波器系数（GFCC）等。在进行实际识别时，要对测试语音按训练过程产生模板，最后根据失真判决准则进行识别。常用的失真判决准则有欧式距离，协方差矩阵与贝叶斯距离等。

2.3智能语音提示技术在数字万用表的互动特点和优化措施

语音识别能够将用户的语音转换成文字，而电力工作一线现场的语音环境复杂，方言概率高。针对语音识别应用中面临的方言口音、背景噪声等问题，在实际业务系统中所收集的涵盖不同方言和不同类型背景噪声的海量语音数据的基础上通过先进的区分训练方法进行语音建模，能够使语音识别在复杂应用场景下均有良好的效果表现。模型优化包括声学模型优化和语言模型优化。由于声学模型训练需要大量的数据（客户的标注数据不足以训练声学模型），并且同时需要音频及对应的标注文本，声学训练又是一个高计算的任务，需要多台高性能服务器及GPU构成的硬件系统，所以给客户做声学优化不可行。语言模型优化相对声学模型优化，其生成模型方式及硬件要求，可在利用客户标注数据进行。通过模型的不断投喂和训练，优化互动效果。

3结语

智能语音与数字万用表功能的结合上都发挥到了需求点的作用。在当代，科技不断的发展，仪表应用不断升级，用户体验需求越来越高的背景下，智能语音结合应用也应该跟上脚步，注重用户在使用体验上的快捷、便利、易操作是一种发展趋势。

语音控制收发信息，既做到了“互联”又保证了仪表安全。推荐安全智能提醒需要依靠网络信号的强度，一线工作者使用体验基本符合这个整合特性应有的水准。