CN104240705A - 一种保险箱语音识别智能锁系统 - Google Patents

Abstract

本发明公开了一种保险箱语音识别智能锁系统，包括用于语音采集、语音输出的声音输入输出系统；用于处理语音信号的语音信号处理系统；用于对识别结果进行处理的识别结果处理系统。该保险箱语音识别智能锁系统，采用的智能语音识别系，防盗等级更高，使用也很方便。

Description

一种保险箱语音识别智能锁系统

技术领域

本发明涉及保险箱技术领域，具体为一种保险箱语音识别智能锁系统。

背景技术

保险箱是我们用来储存贵重物品常用的工具，目前保险箱多采用机械的方法打开箱锁的不仅使用不方便，安全系数也不是很高，为此，我们提出一种保险箱语音识别智能锁系统。

发明内容

本发明一种保险箱语音识别智能锁系统，包括：

(1) 用于语音采集、语音输出的声音输入输出系统，包括：负责接收用户的声音，然后传输到语音信号处理系统进行后续处理的麦克风；用于输出问答问题及告知用户识别结果的喇叭。

(2) 用于处理语音信号的语音信号处理系统，包括： 预处理模块还包括数模转换模块，分帧加窗模块以及信号预加重模块。  所述数模转换模块：麦克风采集到的信号是模拟信号，模拟信号不利DSP 芯片进行处理，所以首先在这里实现数模转换，把模拟信号转换成数字信号；所述信号预加重模块是提升信号的高频部分，使信号的频谱变得平坦，以保持信号在整个频带内具有同样的信噪比，便于声道参数分析；所述分帧加窗模块是在对语音信号进行分析和处理之前先将语音段分割成若干短的时间段，以保证每一个短的时间段内语音信号可近似看作具有固定特性的连续语音片段。话语端点检测模块，语音信号的端点检测是进行特征训练和识别的基础，一般采集到的语音信号都掺杂无声段和短时噪声等无用的信息，造成语音的数据量非常大，为了从语音波形中提取出反映语音特征的参数，须采用端点检测的方法来确定一段语音信号的起点和终点。特征向量提取模块，首先，原始的语音信号不能直接用于模版训练和模式匹配，这是因为原始信号的数据量太大，系统的运算和存储负担过重；其次，原始语音信号包含太多的随机因素，极大地影响了系统的识别率。特征提取就是对语音信号进行分析处理，去除对语音识别无关紧要的冗余信息，提取出对语音识别有用的信息。  模式匹配模块，将待识别的语音经预处理以及特征提取以后得到的特征矢量序列称之为测试模版，将特征模版库中的各个模版称之为参考模版，计算测试模版和参考模版之间的相似度，然后得出识别结果。

(3) 用于对识别结果进行处理的识别结果处理系统，包括： 用于执行语音信号处理系统的命令的开关电路。用于控制保险箱锁的控制电机，控制着箱锁的开合。

与现有技术相比，本发明的有益效果是：该保险箱语音识别智能锁系统，采用的智能语音识别系，防盗等级更高，使用也很方便。

附图说明

图1 是本发明的系统结构示意图。

图2 是本发明的语音识别系统原理图。

图3 是本发明的用户使用流程图。

具体实施方式

本发明一种保险箱语音识别智能锁系统，包括：

 (1) 用于语音采集，语音输出的声音输入输出系统，包括：麦克风，是负责接收用户的声音，然后传输到语音信号处理系统进行后续处理。喇叭，用于输出问答问题，以及告知用户识别结果。

(2) 用于处理语音信号的语音信号处理系统，包括： 预处理模块，主要有以下功能： 数模转换，麦克风采集到的信号是模拟信号，模拟信号不利处用DSP 芯片进行处理，所以首先在这里实现数模转换，把模拟信号转换成数字信号。信号的预加重，预加重的目的是提升信号的高频部分，使信号的频谱变得平坦，以保持信号在整个频带内具有同样的信噪比，便于声道参数分析。分帧加窗，在对语音信号进行分析和处理之前先将语音段分割成若干短的时间段，以保证每一个短的时间段内语音信号可近似看作具有固定特性的连续语音片段。话语端点检测模块，语音信号的端点检测是进行特征训练和识别的基础，一般采集到的语音信号都掺杂无声段和短时噪声等无用的信息，造成语音的数据量非常大，为了从语音波形中提取出反映语音特征的参数，须采用端点检测的方法来确定一段语音信号的起点和终点。特征向量提取模块，首先，原始的语音信号不能直接用于模版训练和模式匹配，这是因为原始信号的数据量太大，系统的运算和存储负担过重；其次，原始语音信号包含太多的随机因素，极大地影响了系统的识别率。特征提取就是对语音信号进行分析处理，去除对语音识别无关紧要的冗余信息，提取出对语音识别有用的信息。  模式匹配模块，将待识别的语音经预处理以及特征提取以后得到的特征矢量序列称之为测试模版，将特征模版库中的各个模版称之为参考模版，计算测试模版和参考模版之间的相似度，然后得出识别结果。

(3) 用于对识别结果进行处理的识别结果处理系统，包括： 用于执行语音信号处理系统的命令的开关电路。  用于控制门锁的控制电机，控制着门锁的开合。  门锁，本门禁系统的主要部分。所述的语音识别系统原理图如图2 所示，识别过程分为两个步骤：第一步是系统的学习阶段，这一阶段的任务是建立识别单位的声学模型；第二步是测试阶段，根据识别系统的类型选择能够满足要求的一种识别方法，采用语音分析方法提出这种识别方法要求的特征参数，按照一定准则与系统模型进行比较，通过判决得出识别结果。具体步骤如下： 数模转换采样：人说话的信号频率范围主要集中在300Hz ～ 3000Hz，语音信号通过输入设备转化成电信号后，需要设计一个带通滤波器以便滤掉语音信号频率以外的干扰由采样装置根据Nyquist 采样定理，以不小于语音信号频谱带宽2 倍的采样频率进行采样。预加重，目的是提升信号的高频部分，使信号的频谱变得平坦，以保持信号在整个频带内具有同样的信噪比，便于声道参数分析通常是用一阶数字滤波器来实现。分帧加窗，在对语音信号进行分析和处理之前先干短的时间段将语音段分割成若，以保证每一个短的时间段内语音信号可近似看作具有固定特性的连续语音片段这样一个短的时间段称为一帧，对每一帧进行处理也就等效于对固定特性的一段干帧的常用手段是对语音信号进行加连续语音进行处理将语音信号分成若窗处理，即用一个有限长度的窗函数截取一段语音信号来进行分析在语音信号的数字处理中常用的是矩形窗和汉明窗。端点检测，语音信号的端点检测是进行特征训练和识别的基础，一般采集到的语音信号都掺杂无声段和短时噪声等无用的信息，造成语音的数据量非常大，为了从语音波形中提取出反映语音特征的参数，须采用端点检测的方法来确定一段语音信号的起点和终点端点监测涉及的信息包括短时能量过零碎。特征向量提取，本系统采用了不同说话人的分散程度与各说话人自身的分散程度之间的对比值作为特征参数的评价方法。对单个参数而言，可以取两种分布参数的方差比 ( 称为F 比) 作为有效的度量准则。F 比反映了不同说话人的分散程度与各说话人自身的分散程度之间的对比关系。模式匹配，说话人对同一个词的两个发音不可能完全相同，这些差异不仅包括音强的大小频谱的偏移，更重要的是发音时音节的长短就不可能完全相同，而且两次发音的音节往往不存在线性的对应关系，在语音识别过程中，用户进行训练或者识别时，即使每次尽量以同样的方式说同一个词汇，其持续时间的长度也会随机改变，因此，如果直接用特征矢量参数序列的模式来进行相似性的比较，其效果不是最佳的，需要对特征参数序列重新进行时间的校准，采用动态时间规整(DTW) 方法可以有效地解决这个问题。为了进行相似度测量，将特征模版库中的各个模版称之为参考模版，用R 来表示；将待识别的语音经预处理以及特征提取以后得到的特征矢量序列称之为测试模版，用T 表示。计算测试模版和参考模版之间的相似度，可以计算它们之间的失真，失真度越小相似性越高测试模版和参考模版之间的总体失真表示为D(T，R)判决器将测试信号相对于参考模版的失真度与系统设定的可靠阈值Dth 进行比较，根据比较结果做出判决如果Din ＞ Dth，拒绝请求，如果Din ＜ Dth，接受请求，并驱动电磁设备进行开锁动作。用户使用流程图如图3 所示，用户说出“开门”，系统接收到语音信号好，判断该声音信号是否属于指定的人群，如果不是，则忽略，如果是，则通过喇叭发出预先设定的问题。用户听到问题后经行回答，如果回答错误，系统则通过喇叭说“回答错误”，用户必须重新进行开门流程。如果回答正确，系统则启动开锁动作。

以上对本发明实施例所提供的保险箱语音识别智能锁系统详细介绍，本文发明应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种保险箱语音识别智能锁系统，其特征在于包括：用于语音采集、语音输出的声音输入输出系统；用于处理语音信号的语音信号处理系统；用于对识别结果进行处理的识别结果处理系统。

2.根据权利要求1 所述的保险箱语音识别智能锁系统，其特征在于所述的声音输入输出系统还包括：负责接收用户的声音，然后传输到语音信号处理系统进行后续处理的麦克风；用于输出问答问题及告知用户识别结果的喇叭。

3.根据权利要求1 所述的保险箱语音识别智能锁系统，其特征在于所述的语音信号处理系统还包括预处理模块，话语端点检测模块、特征向量提取模块、模式匹配模块。

4.根据权利要求3 所述的保险箱语音识别智能锁系统，其特征在于所述预处理还包括数模转换模块，信号预加重模块及分帧加窗模块。

5.根据权利要求1 所述的保险箱语音识别智能锁系统，其特征在于所述的识别结果处理系统包括：用于执行语音信号处理系统的命令的开关电路；用于控制着箱锁的开合的控制电机以及箱锁。