基于语音识别智能家居系统的设计与实现

渠吉庆，陈 禹，刘玉琪，李晓雨，孙科学,2*

(1.南京邮电大学 电子与光学工程学院，江苏 南京 210023；2.射频集成与微组装技术国家地方联合工程实验室，江苏 南京 210023)

0 引 言

随着智能楼宇概念的出现，智能家居逐渐进入人们的视野。早期的智能家居，只是简单地控制灯的亮灭、门、窗户的开关等。在市场需求的推动下，传统的家电企业纷纷转型，投身到智能家居这一新兴市场[1]。现在智能家居的设计更加注重人机交互和舒适度，可以根据外部环境等因素进行智能化控制[2-3]。进入21世纪后，由于消费类电子产品的普及，嵌入式语音识别技术迅速发展，得到广泛的应用。尤其在智能家居方面，面对杂乱无章的电器，通过语音进行控制，可以大大减少时间成本、管理成本，提高生活效率[4-5]。如今，中国乃至全球都秉持可持续发展的理念，因此智能家居系统的设计也要朝着这个方向迈进。智能家居的节能环保主要体现在空调、暖气的温度控制，照明设备的亮度控制等方面，从而减少能源的消耗和二氧化碳的排放。

因此，该文设计了一套智能家居系统，通过语音发出命令，完成对室内灯光和温度的智能化控制，使灯光、空调设备在满足人类需求的情况下，最大限度地节省电能，在节能环保方面具有很大的实用价值[6]。

1 系统总体设计

系统设计实现语音识别、室内灯光亮度的调节和温度的控制三个功能，系统结构如图1所示。语音识别系统负责语音控制命令的发送；LED灯可以在利用自然光的基础上补光；空调可以根据环境温度、湿度，调整室内温度，使环境更加舒适。因此系统的设计方案为：首先使用LD3320语音识别模块，保证较高的识别准确率[7-9]；再对灯具的分布进行建模分析，然后通过迟滞比较器软件算法，调整光源的亮度[10]；最后通过建立室内的体感温度模型，提供室内舒适度控制的可行性后，利用模糊PID算法控制空调，使室内达到舒适的温度。

2 智能家居系统中相关算法的分析与设计

2.1 LED灯分布模型分析与设计

假设LED灯为郎伯源，服从朗伯辐射模型。则室内某点的水平照度[11]可以表示为：

(1)

其中，I0为发光源的中心发光强度，Φ为发光源发射角，ψ为发光源入射角，m为光源的辐射模式，与光束方向性好坏成正比，表示为：

(2)

dn为点(xn,yn,zn)到发光源(x0,y0,z0)的距离，表示为：

(3)

根据国家公布的住宅建筑照明标准，以0.75 m高度为参考平面，起居室的照明标准为100 lx。

以长6米、宽4米、高3米的起居室为例，设计其LED灯的布局。设距离地面0.75 m的点为(xn,yn,0.75)，m=2，I0=1 400 cd。不同光源分布的对比如图2所示。

(1)单光源照射。

当单光源照射时，LED灯的位置如图2(a)所示。

使用MATLAB画出单光源照度在0.75 m水平面的分布，如图2(b)所示。从图中可以看出，起居室四周的亮度很低，达不到照明标准，而且中心的亮度很高，使室内的亮度不均匀。因此此方式不适合室内照明。

图(c)中光源1坐标(1.5,1,3)，光源2(1.5,3,3)，光源3(4.5,1,3)，光源4(4.5,3,3)

(2)多光源照射。

由于单光源的缺点，这里采用四个LED灯均匀地分布在室内，室内模型如图2(c)所示。

高度为0.75米水平面上的光照强度为各个光源照度的叠加，得到多光源照度分布如图2(d)所示。从图中可以看出，即使是光照强度最低的四个角落，也达到了100 lx左右，符合国际照明标准。因此采用四个光源分布的设计。

2.2 LED灯亮度优化算法设计

当室内四个LED灯时，由图2(d)可知，没有自然光源的补充仍然可以达到国家照明标准，并且效果很好。然而实际生活中，受到自然光的影响不可避免，这就需要调整LED灯的亮度，进行补光，从而节省电能。而LED亮度的调整需要依据光照传感器的数据，所以需要四个光强传感器，安装在四个角落，即四个距离LED灯最远的点。只要这四个点的光照强度值满足照明标准，其他各位置均可满足。LED灯与光强传感器一一对应。

传感器的分布如图3所示。

图3 传感器分布

自然光的光强变化一般都是连续的，要么递增要么递减，所以利用滞回比较器的思路设计算法，具有很好的稳定性。将LED灯光的亮度分为六个等级，第一等级LED熄灭，第六等级LED光照达到最强。当LED光照达到最大亮度时，一定会符合标准，所以在算法中不用检测是否已经到达最高等级。而当LED熄灭时，自然光也有可能达到100 lx，所以需要加入光照等级是否为0的检测。

算法流程如图4所示。

图4 迟滞比较器软件算法流程

2.3 基于GEP算法体感温度的分析与模型建立

人体主观的舒适度与体感温度密切相关，体感温度又与环境中的多个因素有关[12]。故通过GEP算法[13]建立体感温度与环境因素的函数关系[14]，是研究人体舒适度的重要内容，为温度控制打下基础。

根据文献[14]经过100次的换代后，得到了种群的最优解，如式(4)所示。

(4)

其中，t为体感温度，a为环境温度，b为相对湿度。

由式(4)可知，处于夏季时，当相对湿度小于50的时候，对体感温度的影响很小。而当相对湿度大于50的时候，将会对体感温度产生影响，例如当相对湿度较大时，即使温度不高，人也会感到十分闷热而不舒适。

可以简化得到坏境温度与最佳体感温度tmax、相对湿度的关系，如式(5)所示。此式将会为温度控制提供需要的设置温度。

(5)

2.4 模糊PID算法的分析

PID控制在工业控制领域得到了广泛的应用，即使是人工智能算法迅速发展的今天，仍然有90%以上的控制回路采用PID控制。调节其比例系数可以加快系统的响应时间，积分系数可以消除静态偏差，微分系数可以改善系统的动态特性，抑制超调量。在离散情况下，位置式PID的公式如下：

kd(e(k)-e(k-1))

(6)

其中，e(k)=Sv-PK，Sv为用户设定值，PK为当前测量值。

在设置PID控制的过程中，最重要也是最关键的一步就是参数整定，即确定kp、ki和kd的值。在实际应用过程中，当环境改变时，也要适时地重新整定PID参数，以保证其稳定工作，这就增加了工作量，也非常不方便。这时模糊控制就可以发挥作用，不需要精确的数学模型，与PID算法结合，组成模糊PID控制算法[15-17]。利用模糊逻辑并根据一定的模糊规则对PID参数进行实时优化，从而克服传统PID算法无法实时调整PID参数的缺点。由于各个家庭环境还有暖气设备的不同，PID的参数肯定不同，所以该文采用模糊PID控制，增加系统的鲁棒性、便捷性，也会使室内环境更加舒适。

如今，中央空调可以设置多个出风口，比传统空调更加舒适而且安装隐蔽，不影响房子的整体美感，因此很快得到普及。家用空调中使用比较多的还是变风量空调系统，通过改变冷热风速，从而改变温度。通过模糊PID算法控制送风机，改变其转速，达到温度控制的目的。下面是模糊PID算法的设计过程：

(1)模糊化。

温度偏差e，温度偏差变化率ec，用模糊语言定义为：NB(负大)，NM(负中)，NS(负小)，ZO(零)，PS(正小)，PM(正中)，PB(正大)。e和ec的变化范围E={-3,-2,-1,0,1,2,3}，EC={-3,-2,-1,0,1,2,3}。kp、ki和kd的模糊语言为ZO，PS，PM，PB。kp、ki和kd的变化范围为kp={0,2,4,6}，ki={0,0.01,0.02,0.03}，kd={0,1,2,3}。以上均采用三角隶属度函数。

(2)模糊推理。

在实际应用中，根据平时调试的经验和专家数据，分别对kp、ki和kd设置模糊规则表，该文通过MATLAB使用模糊语言语句if A and B than C的方式进行设计。

(3)去模糊化。

去模糊化就是将模糊变量转换为精确量的过程。该系统采用重心法来解模糊，表达式为：

(7)

其中，Z0为模糊控制器输出量，即解模糊后的精确值；Zi为模糊控制量论域内的值；μc(Zi)为Zi的隶属度值。

去模糊化后将会得到kp、ki和kd的矫正值，带入PID控制器，即可进行PID运算。

模糊PID算法的流程如图5所示。

图5 模糊PID程序流程

使用MATLAB中的Simulink仿真，由式(6)可以得到其拉式变换，如式(8)所示。根据式(8)可以很容易地搭建仿真模型，这里将模糊PID控制模型和PID控制模型放在一起，便于对比，如图6所示。

图6 模糊PID与PID的Simulink仿真图

其中Fuzzy Controller采用的是封装的形式，由三个模糊控制器组成，分别输出kp、ki和kd的矫正值。

(8)

图7 模糊PID与PID的阶跃响应

通过图7，可以看出模糊PID的响应速度更快，动态性能更好，相对于传统的PID控制有了很大的提高。

3 系统测试

为了检验系统的准确性以及稳定性，在两种不同的环境下进行实验，分为安静环境和噪音环境。通过播放音乐创造噪音环境，平均噪声强度为50 dB。首先测试人员说出语音指令，检查语音识别是否正确，紧接着判断下位机是否接收到信号，做出正确的响应，比如读取温湿度的数据、关闭LED灯等。每个语音指令在不同的环境下，重复测试30次。只有指令的识别与响应同时正确时，才算这次测试成功。这样测试的成功率就代表了语音识别的准确率和数据传输的准确率。测试结果如表1所示。

表1 系统测试结果

从表1可以看出，当处于安静环境时，系统测试的成功率比较高，在50分贝噪音环境下，测试结果显示成功率在80%以上，可以较好地适用于家居环境。

4 结束语

文中设计了一种基于语音识别的智能家居系统，主要完成了语音识别系统、室内光照采集与控制系统和室内温度检测与控制系统的设计与实现。通过测试，该系统可以稳定运行，识别正确率高。该系统能够完成语音识别、根据自然光的光照强度自动调整光源亮度、根据室内的温湿度自动调节室内温度的功能，具有低功耗、稳定性高、准确性高的特点。为了进一步提高智能家居的体验，下一步计划与深度学习结合，以实现更加舒适、节能、方便的家居生活。