融合聲紋識(shí)別的護(hù)理床語(yǔ)音控制系統(tǒng)研發(fā).pdf

1、隨著人口老齡化的日趨嚴(yán)重、以及心腦血管疾病的年輕化，使得越來越多人喪失行動(dòng)能力，加上護(hù)理人員的缺乏，社會(huì)需要加速研發(fā)更為智能的護(hù)理床。護(hù)理床采用語(yǔ)音控制來取代單純的按鈕控制，能夠?yàn)槭芑颊邘砗艽蟮姆奖恪Ｈ欢?，在養(yǎng)老院以及醫(yī)院，通常都會(huì)有多張護(hù)理床處在同一室內(nèi)，環(huán)境相對(duì)嘈雜，若是多人同時(shí)發(fā)送語(yǔ)音命令則容易相互干擾。如果采用非特定人語(yǔ)音控制系統(tǒng)，那么任何人都能夠?qū)ψo(hù)理床發(fā)送語(yǔ)音命令，將對(duì)患者的安全產(chǎn)生嚴(yán)重影響，有可能導(dǎo)致患者二次傷害，這制

2、約著護(hù)理床的推廣應(yīng)用。針對(duì)這個(gè)問題，本文基于Android平臺(tái)，開發(fā)了一套融合了聲紋識(shí)別的護(hù)理床語(yǔ)音控制系統(tǒng)。
　　首先，本文綜述了課題的背景知識(shí)、研究意義，并介紹了護(hù)理床的研發(fā)現(xiàn)狀，分析了聲紋識(shí)別以及語(yǔ)音識(shí)別的研究現(xiàn)狀。本文指出了，盡管語(yǔ)音信號(hào)的處理識(shí)別技術(shù)發(fā)展至今已經(jīng)相當(dāng)成熟了，然而在目前市場(chǎng)上，能夠針對(duì)特定患者的聲紋特征進(jìn)行語(yǔ)音識(shí)別的護(hù)理床控制系統(tǒng)還是缺乏。
　　其次，本文基于用戶體驗(yàn)原則，對(duì)護(hù)理床語(yǔ)音控制系統(tǒng)的需求作

3、了分析，對(duì)各種開發(fā)平臺(tái)進(jìn)行了比對(duì)，選擇了Android開發(fā)平臺(tái)，然后進(jìn)行語(yǔ)音控制系統(tǒng)的概要設(shè)計(jì)。
　　第三，本文探討常見的音頻格式的特點(diǎn)，在Android上采用WAV格式做語(yǔ)音特征提取。然后分析了提取音頻文件的數(shù)據(jù)，并對(duì)它做預(yù)處理，研究了確定其參數(shù)的方法。緊接著是對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行MFCC特征提取。接著，解決了在Android上編程時(shí)，遇到NaN數(shù)據(jù)的問題，實(shí)現(xiàn)在Android平臺(tái)上的MFCC特征提取。
　　第四，深入探討了聲紋

4、識(shí)別以及語(yǔ)音識(shí)別的各種算法基礎(chǔ)上，選擇了GMM作為聲紋識(shí)別的算法，并在Matlab上做實(shí)驗(yàn)進(jìn)行驗(yàn)證，以及選擇HMM和DTW進(jìn)行Matlab對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)樣本采用個(gè)人錄制的語(yǔ)音所提取的MFCC特征。實(shí)驗(yàn)也證明了，在合理設(shè)置閾值的前提下，GMM適合作為控制系統(tǒng)的聲紋識(shí)別算法，用于屏蔽非護(hù)理床用戶的語(yǔ)音。也證明了在少量訓(xùn)練樣本、識(shí)別對(duì)象為孤立詞的情況下，采用DTW識(shí)別效果以及識(shí)別時(shí)間都優(yōu)于采用HMM。而后，在Android平臺(tái)上實(shí)現(xiàn)了基于GM

5、M的聲紋識(shí)別和基于DTW的語(yǔ)音識(shí)別。
　　第五，本文根據(jù)概要設(shè)計(jì)、界面設(shè)計(jì)和流程設(shè)計(jì)，詳細(xì)闡述了在Android平臺(tái)上設(shè)計(jì)護(hù)理床語(yǔ)音控制系統(tǒng)的過程。然后，對(duì)語(yǔ)音控制系統(tǒng)進(jìn)行性能試驗(yàn)。設(shè)置閾值后，當(dāng)聲紋識(shí)別的召回率為72.5％時(shí)，非護(hù)理床用戶的語(yǔ)音有1.25％的可能致護(hù)理床動(dòng)作。通過了聲紋識(shí)別后，指定護(hù)理床用戶的語(yǔ)音識(shí)別率為97.13％，而非指定護(hù)理床用戶的語(yǔ)音識(shí)別率為14.29％。指定護(hù)理床用戶從讀入語(yǔ)音到護(hù)理床產(chǎn)生動(dòng)作的過程，需