本發(fā)明涉及語音識別技術(shù)，特別是一種具有智能降噪功能的燈具語音識別控制方法。

背景技術(shù)：

語音識別技術(shù)是當(dāng)前人工智慧化的重要組成部分，其中燈具這一市場巨大的電器產(chǎn)品，也隨著人工智能化的腳步引入語音識別技術(shù)，利用人工語音口令代替?zhèn)鹘y(tǒng)的開關(guān)及遙控，具有天然的優(yōu)勢，可以跟智能燈具控制系統(tǒng)無縫對接。

縱觀現(xiàn)有的燈具控制系統(tǒng)，其引入的語音識別技術(shù)還處于起步階段，控制指令比較單一，尤其是識別率較低，常常需要多次語音呼叫才能獲取一次響應(yīng)，而這一狀況主要還是因?yàn)檎Z音識別模塊的抗干擾能力差，環(huán)境中存在各種各樣的噪音，都會(huì)影響語音識別的精準(zhǔn)度，基于硬件電路的降噪方法成效甚微，現(xiàn)有語音識別燈具控制系統(tǒng)始終無法滿足人們對高識別率的要求。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種具有智能降噪功能的燈具語音識別控制方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種具有智能降噪功能的燈具語音識別控制方法，包括以下步驟

(A)創(chuàng)建語音對比模型，該語音對比模型用于錄入標(biāo)準(zhǔn)語音指令以及識別燈具使用時(shí)用戶呼叫的語音指令；

(B)創(chuàng)建噪音模型，該噪音模型用于錄入各種典型的噪音數(shù)據(jù)以及識別燈具使用時(shí)產(chǎn)生的噪音數(shù)據(jù)；

(C)用戶發(fā)出語音指令，使用麥克風(fēng)采集語音指令并進(jìn)行模數(shù)轉(zhuǎn)換成數(shù)字信號；

(D)噪音模型將步驟(C)中數(shù)字信號與其錄入各種典型的噪音數(shù)據(jù)進(jìn)行對比，當(dāng)對比相似度超過噪音設(shè)定值時(shí)判定該數(shù)字信號為噪音數(shù)據(jù)，則本次語音指令無效；若對比相似度低于噪音設(shè)定值時(shí)則進(jìn)入下一步；

(E)語音對比模型將步驟(C)中數(shù)字信號與其錄入標(biāo)準(zhǔn)語音指令進(jìn)行對比，當(dāng)對比相似度超過有效設(shè)定值時(shí)判定該數(shù)字信號為正確數(shù)據(jù)，然后進(jìn)入下一步；若對比相似度低于有效設(shè)定值時(shí)則判定本次語音指令無效；

(F)根據(jù)上述數(shù)字信號輸出對應(yīng)的控制信號給燈具驅(qū)動(dòng)電源。

進(jìn)一步，所述步驟(A)和(B)位置對調(diào)。

其中，所述步驟(F)中控制信號為開關(guān)信號、亮度調(diào)節(jié)信號、色溫調(diào)節(jié)信號或顏色調(diào)節(jié)信號。

所述步驟(A)中語音對比模型錄入標(biāo)準(zhǔn)語音指令包括不同性別、不同年齡段以及不同地域的語音數(shù)據(jù)。

所述語音數(shù)據(jù)在錄入時(shí)采用人工進(jìn)行標(biāo)定：把有效的聲音信號保留，以及將沒有用的干擾信號去除。

所述噪音模型還具有自學(xué)習(xí)功能：噪音模型將步驟(D)中判定為噪音數(shù)據(jù)的數(shù)字信號錄入噪音數(shù)據(jù)庫。

所述語音對比模型還具有自學(xué)習(xí)功能：語音對比模型將步驟(E)中判定為正確數(shù)據(jù)的數(shù)字信號錄入標(biāo)準(zhǔn)語音指令數(shù)據(jù)庫。

本發(fā)明的有益效果是：

本發(fā)明燈具語音識別控制方法獨(dú)創(chuàng)性的在語音對比模型基礎(chǔ)上引入噪音模型，改被動(dòng)降噪為主動(dòng)降噪，主動(dòng)將各種典型的噪音數(shù)據(jù)錄入數(shù)據(jù)庫，首先將被判定為噪音數(shù)據(jù)的語音指令屏蔽掉，從而提高后續(xù)語音對比模型的識別率，并且引入自學(xué)習(xí)功能，不斷進(jìn)化燈具的語音識別能力，極大地促進(jìn)了燈具的人工智能化程度。

附圖說明

下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式做進(jìn)一步的說明。

圖1為本發(fā)明燈具語音識別控制方法的控制流程圖。

具體實(shí)施方式

如圖1所示，本發(fā)明的一種具有智能降噪功能的燈具語音識別控制方法，包括以下步驟

(A)創(chuàng)建語音對比模型，該語音對比模型用于錄入標(biāo)準(zhǔn)語音指令以及識別燈具使用時(shí)用戶呼叫的語音指令；其中，語音對比模型所錄入標(biāo)準(zhǔn)語音指令包括不同性別、不同年齡段以及不同地域的語音數(shù)據(jù)，被錄入的人員基數(shù)超過3000人，力求達(dá)到錄音的人口分布和年齡分布以及國內(nèi)各個(gè)口音達(dá)到人口和年齡自然分布一致。語音數(shù)據(jù)在錄入時(shí)采用人工進(jìn)行標(biāo)定：把有效的聲音信號保留，以及將沒有用的干擾信號去除。

(B)創(chuàng)建噪音模型，該噪音模型用于錄入各種典型的噪音數(shù)據(jù)以及識別燈具使用時(shí)產(chǎn)生的噪音數(shù)據(jù)；該噪音模型的創(chuàng)建方法與創(chuàng)建語音對比模型一致。而步驟(A)和(B)位置可以對調(diào)，甚至是同步進(jìn)行，均不影響本發(fā)明的實(shí)施,完成上述兩種模型的創(chuàng)建之后，再將語音對比模型與噪音模型所應(yīng)用燈具之語音識別模塊中。

(C)準(zhǔn)備工作完畢，進(jìn)入識別階段，當(dāng)用戶發(fā)出語音指令，使用麥克風(fēng)采集語音指令并進(jìn)行模數(shù)轉(zhuǎn)換成數(shù)字信號；

(D)噪音模型將步驟(C)中數(shù)字信號與其錄入各種典型的噪音數(shù)據(jù)進(jìn)行對比，當(dāng)對比相似度超過噪音設(shè)定值(如30％)時(shí)判定該數(shù)字信號為噪音數(shù)據(jù)，則本次語音指令無效；若對比相似度低于噪音設(shè)定值時(shí)則進(jìn)入下一步；

(E)語音對比模型將步驟(C)中數(shù)字信號與其錄入標(biāo)準(zhǔn)語音指令進(jìn)行對比，當(dāng)對比相似度超過有效設(shè)定值時(shí)(如82％)判定該數(shù)字信號為正確數(shù)據(jù)，然后進(jìn)入下一步；若對比相似度低于有效設(shè)定值時(shí)則判定本次語音指令無效；

(F)根據(jù)上述數(shù)字信號輸出對應(yīng)的控制信號給燈具驅(qū)動(dòng)電源，利用語音識別模塊對兩個(gè)輸出腳進(jìn)行高低電平控制來輸出，用來控制LED驅(qū)動(dòng)電源的工作，進(jìn)而控制整體燈具；其中控制信號為開關(guān)信號、亮度調(diào)節(jié)信號、色溫調(diào)節(jié)信號或顏色調(diào)節(jié)信號。

作為本技術(shù)方案的進(jìn)一步優(yōu)化，所述噪音模型還具有自學(xué)習(xí)功能：噪音模型將步驟(D)中判定為噪音數(shù)據(jù)的數(shù)字信號錄入噪音數(shù)據(jù)庫。

同理，所述語音對比模型也具有自學(xué)習(xí)功能：語音對比模型將步驟(E)中判定為正確數(shù)據(jù)的數(shù)字信號錄入標(biāo)準(zhǔn)語音指令數(shù)據(jù)庫。

如上所述，本發(fā)明燈具語音識別控制方法獨(dú)創(chuàng)性的在語音對比模型基礎(chǔ)上引入噪音模型，改被動(dòng)降噪為主動(dòng)降噪，主動(dòng)將各種典型的噪音數(shù)據(jù)錄入數(shù)據(jù)庫，首先將被判定為噪音數(shù)據(jù)的語音指令屏蔽掉，從而提高后續(xù)語音對比模型的識別率，并且引入自學(xué)習(xí)功能，不斷進(jìn)化燈具的語音識別能力，極大地促進(jìn)了燈具的人工智能化程度。

以上所述僅為本發(fā)明的優(yōu)先實(shí)施方式，本發(fā)明并不限定于上述實(shí)施方式，只要以基本相同手段實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案都屬于本發(fā)明的保護(hù)范圍之內(nèi)。