CN112201223A - 一种基于bnep协议实现蓝牙音频设备语音识别训练的系统及其方法 - Google Patents
一种基于bnep协议实现蓝牙音频设备语音识别训练的系统及其方法 Download PDFInfo
- Publication number
- CN112201223A CN112201223A CN202010862773.6A CN202010862773A CN112201223A CN 112201223 A CN112201223 A CN 112201223A CN 202010862773 A CN202010862773 A CN 202010862773A CN 112201223 A CN112201223 A CN 112201223A
- Authority
- CN
- China
- Prior art keywords
- bluetooth
- audio
- training
- equipment end
- audio equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001965 increasing effect Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 241000764238 Isis Species 0.000 claims description 2
- 230000005641 tunneling Effects 0.000 claims description 2
- 230000006854 communication Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 9
- 230000006399 behavior Effects 0.000 description 4
- 238000005538 encapsulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/005—Language recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统及其方法,属于通信技术领域。音频设备端与后台服务器通过BNEP协议实现连接,音频设备端接收输入的语音信号后可主动发起训练请求,开启语音训练模式;通过音频设备端传输给移动设备端后连接服务器数据库进行训练结果比对;解析完成后,服务器通过网络下发对比数据返还至移动设备端;移动设备端收到对比数据后可在终端显示训练结果。上述一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统及其方法,简化语音训练的流程,用移动设备端无需下载APP,不占用用户设备的内存资源;直接连接服务器数据库,无需用升级设备端数据库;数据传输效率高;语音训练速度与训练质量提高。
Description
技术领域
本发明属于通信技术领域,具体为一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统及其方法。
背景技术
现有技术,一般通过蓝牙音频设备配置的语音识别模块及安装运行在移动终端的语音训练软件,蓝牙音频设备采集语音训练指令,移动终端的软件对语音进行识别并响应训练指令,将识别结果反馈后获得软件的结果分析,根据结果分析来确认语音识别的训练结果对错。其存在以下缺陷:软件端的训练数据库需要不断迭代数据以保证识别比对功能正常;由软件端比对训练数据,速度较慢、识别质量较低;下载软件占用用户移动终端的内存资源,数据库内容越多占用的内存资源越多;不同的移动终端存在的软件兼容性问题。
发明内容
针对现有技术中存在的上述问题,本发明的目的在于设计提供一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统及其方法的技术方案,通过BNEP 的方法,用户终端设备无需下载APP,仅需要连接网络就可以实现使用后台服务器数据库比对语音训练结果,实现蓝牙耳机语音识别训练;极大的提升用户的操作便利性、节约用户的内存资源、提高训练速度与训练质量。
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统,其特征在于包括音频设备端、移动设备端、后台服务器,音频设备端中设置硬件模块、蓝牙内核处理模块、蓝牙RF收发模块、音频编解码模块,移动设备端中设置蓝牙收发模块、网络收发模块,后台服务器中设置网络收发模块、数据处理模块;
所述音频设备端的硬件模块包括按键、LED灯、喇叭、麦克风;蓝牙内核处理模块用于音频设备端的软硬件;蓝牙RF收发模块用于建立与移动设备端或音频设备端的连接及数据传输;音频编解码模块用于编解输入输出的音频信号。
所述移动设备端的蓝牙收发模块用于建立与音频设备端的连接及数据传输;网络收发模块用于连接3G、4G、5G、WIFI或有线网络。
所述后台服务器的网络收发模块用于连接WIFI或有线网络以实现与移动设备端的网络数据传输;数据处理模块用于接收解析回传从移动设备端处接收到的数据信息。
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统,其特征在于所述移动设备端与后台服务器的连接网络为3G、4G、5G或WIFI,所述音频设备端为蓝牙耳机,所述移动设备端为手机。
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,其特征在于包括以下步骤:
1)音频设备端与后台服务器连接过程:音频设备端与移动设备端进行连接,通过BNEP协议,移动设备端通过连接网络连接到后台服务器,以实现音频设备端与后台服务器的连接;
2)音频设备端与后台服务器语音数据解析的实现:音频设备端通过蓝牙BNEP协议,通过移动设备端连接网络与后台服务器实现连接后就可进行数据流的交互;
3)音频设备端接收输入的语音信号后可主动发起训练请求,开启语音训练模式;
4)通过音频设备端传输给移动设备端后连接后台服务器数据库进行训练结果比对;
5)解析完成后,后台服务器通过网络下发对比数据返还至移动设备端;
6)移动设备端收到对比数据后可在终端显示训练结果。
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,特征在于语音识别训练方法包括:音频设备端将ADC原始音频数据通过BNEP直接发送到后台服务器,采用CTC算法进行语音识别训练,算法的实现如下:
特征x在经过RNN的计算之后,在经过一个softmax层,得到音素的后验概率y,表示在时刻,发音为音素k的概率,其中音素的种类个数一共n个, k表示第k个音素,在一帧的数据上所有的音素概率加起来为1,即:
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,其特征在于:
音频设备端、移动设备端蓝牙配对选择Numeric Comparison的方式,即双方都显示一个6位的数字,由用户来核对数字是否一致,并输入Yes/No,两端Yes表示一致即可配对,可以防止中间人攻击; 加密过程算法采用E0算法,在E0算法中,加密密钥Kc被修改为实际加密密钥Kc′,Kc′可在1-16字节间变化,但其最大有效长度由厂商预置;增加Kc′的长度有利于增强安全性,当前64位加密密钥已足以满足大多数用户的安全要求;
蓝牙加密E0算法的主要作用是生成二进制密码流Kcipher,蓝牙密码流生成系统使用了4个线性移位寄存器,每个LFSR的输出为一个16状态的简单有限状态机的组合,该状态机的输出为字节流序列,或是初始化阶段的随机初始值,四个寄存器的长度分别为:L1=25,L2=31,L3=33,L4=39,总长度为128位。
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,其特征在于步骤1)中:
音频设备端为从机,移动设备端蓝牙为主机;
从机端开机并开始广播,主机端打开蓝牙后会扫描蓝牙设备,从机被扫描到会回复主机;
主机端点击连接,从机端收到主机端的连接要求后回发出安全请求要求主机端进行配对,主机端收到从机要求配对的广播包后,就会发起配对请求;
从机收到主机的配对请求后,会回复主机同意配对;主机和从机就会进行信息传输并生成配对秘钥;
秘钥生成后主机和从机保存配对信息,配对完成。
上述一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统及其方法,简化语音训练的流程,用移动设备端无需下载APP,不占用用户设备的内存资源;直接连接服务器数据库,无需用升级设备端数据库;数据传输效率高;语音训练速度与训练质量提高。
附图说明
图1为本发明的系统结构方框图;
图2为本发明的系统示意图;
图3为本发明的实现流程图;
图4为本发明蓝牙耳机与手机蓝牙配对流程图;
图中:1-音频设备端、101-硬件模块、102-蓝牙内核处理模块、103-蓝牙RF收发模块、104-音频编解码模块;2-移动设备端、201-蓝牙收发模块、202-网络收发模块;3-后台服务器、301-服务器网络收发模块、302-数据处理模块。
具体实施方式
以下结合附图及具体实施例,对本发明作进一步的详细说明。
BNEP全称为Bluetooth Network Encapsulation Protocol(网络封装协议,以下简称BNEP)。BNEP是针对PAN应用设计的,它提供了构建蓝牙无线局域网的一种应用模型,BNEP能完成从IP层到L2CAP层的映射网络协议层次。蓝牙个人局域网就是利用BNEP为蓝牙设备提供组网能力,使两个或者多个蓝牙设备组成一个临时自组织网(Group Ad-hocNetwork,GN),或通过网络接入点(Network Access Point,NAP)访问远程网络。BNEP提供蓝牙协议栈和TCP/IP协议栈的转换,和IEEE802.3以太网封装支持同样的上层网络协议。BNEP净荷区的MTU定位1691个字节,可以保证网络层向下发送的以太层封包一次性传送。在数据传递方面,BNEP直接接收IP层向下发送的以太网封包,并将以太网净荷区直接复制到BNEP净荷区,加上BNEP头部之后发送到L2CAP层。
本发明所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统,包括音频设备端1、移动设备端2、后台服务器3,音频设备端1中设置硬件模块101、蓝牙内核处理模块102、蓝牙RF收发模块103、音频编解码模块104,移动设备端2中设置蓝牙收发模块201、网络收发模块202,后台服务器3中设置服务器网络收发模块301、数据处理模块302;
所述音频设备端1的硬件模块101包括按键、LED灯、喇叭、麦克风;蓝牙内核处理模块102用于音频设备端1的软硬件;蓝牙RF收发模块103用于建立与移动设备端2或音频设备端1的连接及数据传输;音频编解码模块104用于编解输入输出的音频信号。
所述移动设备端2的蓝牙收发模块201用于建立与音频设备端1的连接及数据传输;网络收发模块202用于连接3G、4G、5G、WIFI或有线网络。
所述后台服务器3的服务器网络收发模块301用于连接WIFI或有线网络以实现与移动设备端2的网络数据传输;数据处理模块302用于接收解析回传从移动设备端2处接收到的数据信息。
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统,其特征在于所述移动设备端2与后台服务器3的连接网络为3G、4G、5G或WIFI,所述音频设备端1为蓝牙耳机,所述移动设备端2为手机。
所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,包括以下步骤:
1)音频设备端1与后台服务器3连接过程:音频设备端1与移动设备端2进行连接,通过BNEP协议,移动设备端2通过连接网络连接到后台服务器3,以实现音频设备端1与后台服务器3的连接;在步骤1)中:音频设备端1为从机,移动设备端2蓝牙为主机;从机端开机并开始广播,主机端打开蓝牙后会扫描蓝牙设备,从机被扫描到会回复主机;主机端点击连接,从机端收到主机端的连接要求后回发出安全请求要求主机端进行配对,主机端收到从机要求配对的广播包后,就会发起配对请求;从机收到主机的配对请求后,会回复主机同意配对;主机和从机就会进行信息传输并生成配对秘钥;秘钥生成后主机和从机保存配对信息,配对完成;
2)音频设备端1与后台服务器3语音数据解析的实现:音频设备端1通过蓝牙BNEP协议,通过移动设备端2连接网络与后台服务器3实现连接后就可进行数据流的交互;
3)音频设备端1接收输入的语音信号后可主动发起训练请求,开启语音训练模式;
4)通过音频设备端1传输给移动设备端2后连接后台服务器3数据库进行训练结果比对;
5)解析完成后,后台服务器3通过网络下发对比数据返还至移动设备端2;
6)移动设备端2收到对比数据后可在终端显示训练结果。
本发明所述的语音识别训练方法包括:音频设备端1将ADC原始音频数据通过BNEP直接发送到后台服务器3;另外,本发明采用CTC(Connectionist temporalclassification)算法进行语音识别训练,算法的实现如下:
训练集合为S={(x1,z1),(x2,z2),...(xN,zN)},表示有N个训练样本,x是输入样 本,z是对应的真实输出的label,一个样本的输入是一个序列,输出的label也 是一个序列,输入的序列长度大于输出的序列长度;
对于其中一个样本(x,z),x=(x1,x2,x3,…xT)表示一个长度为T帧的数据, 每一帧的数据是一个维度为m的向量,即每个xi∈Rm,xi可以理解为对于一段 语音,每25ms作为一帧,其中第i帧的数据经过MFCC计算后得到的结果;
z=(z1,z2,z3,…zU)表示这段样本语音对应的正确的音素,一段语音,经过MFCC 计算后,得到特征x,对应的音素信息是z;
特征x在经过RNN的计算之后,在经过一个softmax层,得到音素的后验概率 y。表示在时刻,发音为音素k的概率,其中音素 的种类个数一共n个,k表示第k个音素,在一帧的数据上所有的音素概率加起来 为1,即:这个语音识别训练的过程可以看做是对输入的特 征数据x做了变换Nw:(Rm)T→(Rn)T,其中Nw表示RNN的变换,w表示RNN中的 参数集合。本发明与传统的声学模型训练相比,采用CTC作为损失函数的声学模型 训练,是一种完全端到端的声学模型训练,不需要预先对数据做对齐,只需要一个 输入序列和一个输出序列即可以训练。这样不需要对数据对齐和一一标注,并且由 CTC直接输出序列预测的概率,不需要外部的后处理。
所述的音频设备端1、移动设备端2蓝牙配对选择Numeric Comparison的方式,即双方都显示一个6位的数字,由用户来核对数字是否一致,并输入Yes/No,两端Yes表示一致即可配对,可以防止中间人攻击; 加密过程算法采用E0算法,在E0算法中,加密密钥Kc被修改为实际加密密钥Kc′,Kc′可在1-16字节间变化,但其最大有效长度由厂商预置;增加Kc′的长度有利于增强安全性,当前64位加密密钥已足以满足大多数用户的安全要求;蓝牙加密E0算法的主要作用是生成二进制密码流Kcipher,蓝牙密码流生成系统使用了4个线性移位寄存器,每个LFSR的输出为一个16状态的简单有限状态机的组合,该状态机的输出为字节流序列,或是初始化阶段的随机初始值,四个寄存器的长度分别为:L1=25,L2=31,L3=33,L4=39,总长度为128位。
实际系统中,如果要求手机实时运行一个应用在绝大多数场景下该应用都会被系统强制停止,而离线语音识别在音频设备这类有限资源设备上实现会占用设备大量资源,不仅提升了设备的计算成本也提升了设备功耗。通过BNEP可以确保设备和服务器一直保持连接,不用担心手机兼容性导致的APP被系统强制停止。考虑到实际使用过程中,如果音频设备端1持续不断上传音频数据到后台服务器3将极大增加系统功耗,可以通过BNEP预先完成语音识别训练,实现针对于个人的关键字识别离线处理功能。当用户触发了预设的关键字,本地识别到特定条件后,就启动后台服务器3的实时语音识别功能,而后借助于后台服务器3强大的数据运算能力,完成高效语音识别服务,包括不限于询问天气,订购机票,聊天,语音控制等行为。
目前主流的手机系统集成有BNEPProfile,按照蓝牙规范,在音频设备端1实现BNEPProfile,而后音频设备端1和移动设备端2建立链接,通过BNEP音频设备就可以通过移动设备端2的无线网络直接与后台服务器3进行通信,至此音频设备端1和后台服务器3就可以实现双向通信。音频设备端1可以借助后台服务器3强大计算资源实现本地关键字识别的训练,同时也可以实现语音实时识别,进一步实现智能语音服务。考虑到音频设备端1计算资源有限,而一直开启后台服务器3的音频实时识别算法又大大浪费系统算例。在音频设备端1仅仅是实现关键字识别算法所需的算力并不是太高,考虑到不同用户对关键字的定制化需求,可以通过BNEP实现关键字识别模型的训练功能,由后台服务器3针对个人需要实现识别模型,而后部署在音频设备端1,可以避免音频设备端1关键字有限,且特定关键字识别率不高的问题。音频设备端1部署好训练好的音频识别模型后,当触发关键字后,可通过BNEP开启语音实时识别行为,之后就借助于后台服务器3的算力就可以完成丰富的智能语音服务。BNEP是蓝牙标准协议,基于BNEP能够完成音频设备端1与后台服务器3的直接通信。一般而言通话系统对音频传输的速率要求只需要8KMono 16bit,也就是128Kbps,同时也可以承载高清语音通话需要。BNEP的数据吞吐量足够满足音频识别音频传输需要。所设计的语音识别训练系统是基于BNEP协议的,主要完成语音识别服务和语音训练服务。
下面对本发明所描述的语音识别训练系统的主要业务行为进行说明:
语音训练服务,该服务主要完成用户关键字的离线识别训练需要,所训练的关键字模型可部署在音频设备端1,之后音频设备端1可以利用自身有限的算力完成特定关键字的识别;通过语音训练功能,可以有效避免固定关键字模型识别率不高的问题。语音识别服务,当音频设备端1触发了关键字行为后,音频设备端1会和后台服务器3开启语音识别服务需要,这时用户可以直接利用服务器的算力体验到高质量的智能语音服务。从上述方案可知,相比于传统关键字识别系统,本发明可以通过在线训练来完成针对特定用于的关键字识别训练,训练结果针对性强,识别效率高。相比于手机安装的语音识别软件,可以无需用户额外安装应用,只需要有音频设备端1就可以实现网络通话功能,避免用户安装一堆无用的APP。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式作出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统,其特征在于包括音频设备端(1)、移动设备端(2)、后台服务器(3),音频设备端(1)中设置硬件模块(101)、蓝牙内核处理模块(102)、蓝牙RF收发模块(103)、音频编解码模块(104),移动设备端(2)中设置蓝牙收发模块(201)、网络收发模块(202),后台服务器(3)中设置服务器网络收发模块(301)、数据处理模块(302);
所述音频设备端(1)的硬件模块(101)包括按键、LED灯、喇叭、麦克风;蓝牙内核处理模块(102)用于音频设备端(1)的软硬件;蓝牙RF收发模块(103)用于建立与移动设备端(2)或音频设备端(1)的连接及数据传输;音频编解码模块(104)用于编解输入输出的音频信号。
2.所述移动设备端(2)的蓝牙收发模块(201)用于建立与音频设备端(1)的连接及数据传输;网络收发模块(202)用于连接3G、4G、5G、WIFI或有线网络。
3.所述后台服务器(3)的服务器网络收发模块(301)用于连接WIFI或有线网络以实现与移动设备端(2)的网络数据传输;数据处理模块(302)用于接收解析回传从移动设备端(2)处接收到的数据信息。
4.如权利要求1所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统,其特征在于所述移动设备端(2)与后台服务器(3)的连接网络为3G、4G、5G或WIFI,所述音频设备端(1)为蓝牙耳机,所述移动设备端(2)为手机。
5.如权利要求1所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,其特征在于包括以下步骤:
1)音频设备端(1)与后台服务器(3)连接过程:音频设备端(1)与移动设备端(2)进行连接,通过BNEP协议,移动设备端(2)通过连接网络连接到后台服务器(3),以实现音频设备端(1)与后台服务器(3)的连接;
2)音频设备端(1)与后台服务器(3)语音数据解析的实现:音频设备端(1)通过蓝牙BNEP协议,通过移动设备端(2)连接网络与后台服务器(3)实现连接后就可进行数据流的交互;
3)音频设备端(1)接收输入的语音信号后可主动发起训练请求,开启语音训练模式;
4)通过音频设备端(1)传输给移动设备端(2)后连接后台服务器(3)数据库进行训练结果比对;
5)解析完成后,后台服务器(3)通过网络下发对比数据返还至移动设备端(2);
6)移动设备端(2)收到对比数据后可在终端显示训练结果。
6.如权利要求3所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,特征在于语音识别训练方法包括:音频设备端(1)将ADC原始音频数据通过BNEP直接发送到后台服务器(3),采用CTC算法进行语音识别训练,算法的实现如下:
特征x在经过RNN的计算之后,在经过一个softmax层,得到音素的后验概率y,表示在时刻,发音为音素k的概率,其中音素的种类个数一共n个, k表示第k个音素,在一帧的数据上所有的音素概率加起来为1,即:
7.如权利要求3所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,其特征在于:
音频设备端(1)、移动设备端(2)蓝牙配对选择Numeric Comparison的方式,即双方都显示一个6位的数字,由用户来核对数字是否一致,并输入Yes/No,两端Yes表示一致即可配对,可以防止中间人攻击; 加密过程算法采用E0算法,在E0算法中,加密密钥Kc被修改为实际加密密钥Kc′,Kc′可在1-16字节间变化,但其最大有效长度由厂商预置;增加Kc′的长度有利于增强安全性,当前64位加密密钥已足以满足大多数用户的安全要求;
蓝牙加密E0算法的主要作用是生成二进制密码流Kcipher,蓝牙密码流生成系统使用了4个线性移位寄存器,每个LFSR的输出为一个16状态的简单有限状态机的组合,该状态机的输出为字节流序列,或是初始化阶段的随机初始值,四个寄存器的长度分别为:L1=25,L2=31,L3=33,L4=39,总长度为128位。
8.如权利要求3所述的一种基于BNEP协议实现蓝牙音频设备语音识别训练的系统的方法,其特征在于步骤1)中:
音频设备端(1)为从机,移动设备端(2)蓝牙为主机;
从机端开机并开始广播,主机端打开蓝牙后会扫描蓝牙设备,从机被扫描到会回复主机;
主机端点击连接,从机端收到主机端的连接要求后回发出安全请求要求主机端进行配对,主机端收到从机要求配对的广播包后,就会发起配对请求;
从机收到主机的配对请求后,会回复主机同意配对;主机和从机就会进行信息传输并生成配对秘钥;
秘钥生成后主机和从机保存配对信息,配对完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010862773.6A CN112201223A (zh) | 2020-08-25 | 2020-08-25 | 一种基于bnep协议实现蓝牙音频设备语音识别训练的系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010862773.6A CN112201223A (zh) | 2020-08-25 | 2020-08-25 | 一种基于bnep协议实现蓝牙音频设备语音识别训练的系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112201223A true CN112201223A (zh) | 2021-01-08 |
Family
ID=74005011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010862773.6A Pending CN112201223A (zh) | 2020-08-25 | 2020-08-25 | 一种基于bnep协议实现蓝牙音频设备语音识别训练的系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112201223A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111083678A (zh) * | 2018-10-22 | 2020-04-28 | 深圳市冠旭电子股份有限公司 | 蓝牙音箱的播放控制方法、系统及智能设备 |
-
2020
- 2020-08-25 CN CN202010862773.6A patent/CN112201223A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111083678A (zh) * | 2018-10-22 | 2020-04-28 | 深圳市冠旭电子股份有限公司 | 蓝牙音箱的播放控制方法、系统及智能设备 |
Non-Patent Citations (3)
Title |
---|
张德丰: "《TensorFlow深度学习从入门到进阶》", 30 April 2020 * |
施云波著: "《无线传感器网络技术概论》", 30 October 2017 * |
牛少彰等: "《移动互联网安全》", 30 June 2020 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1894922B (zh) | 在无线通信系统中的通信信道上进行广播的方法和装置 | |
JP3902235B2 (ja) | データ接続におけるデータ圧縮 | |
US8989661B2 (en) | Method and system for optimized architecture for bluetooth streaming audio applications | |
US10425454B2 (en) | Device and method for transferring the rendering of multimedia content | |
US20080016248A1 (en) | Method and apparatus for time synchronization of parameters | |
US20070243879A1 (en) | Methods and apparatus for supporting quality of service in communication systems | |
US20130346553A1 (en) | Apparatus and method for providing universal plug and play service based on wi-fi direct connection in portable terminal | |
CN101073248A (zh) | 通过ad-hoc网络为移动设备提供移动专用服务 | |
RU2004129631A (ru) | Последовательный мультимодальный ввод | |
US9185653B1 (en) | Memory efficient filtering | |
CN102170679A (zh) | 基于Android系统的多机蓝牙群通信方法 | |
CN108958762A (zh) | 一种软件的升级方法和装置 | |
US20030128695A1 (en) | Home gateway for executing a function of a security protocol and a method thereof | |
US9155117B2 (en) | Directly transferring data between devices | |
KR100807455B1 (ko) | 통신 시스템에서 송신 오버헤드를 감소시키기 위한 방법및 장치 | |
CN112037765A (zh) | 基于bnep协议的蓝牙音频设备语音识别系统的方法 | |
WO2022151420A1 (zh) | 一种数据包传输的方法、装置和系统 | |
CN112201223A (zh) | 一种基于bnep协议实现蓝牙音频设备语音识别训练的系统及其方法 | |
FI112757B (fi) | Tiedonsiirtomenetelmä ja -järjestely | |
CN116249045A (zh) | 一种采用无线星链方式的集联麦克风声学技术设备 | |
CN211378259U (zh) | 一种智能家居设备及其通信系统 | |
CN112804613A (zh) | 骨传导通信装置 | |
CN113890616B (zh) | 光纤-同轴宽带的千兆信息传输处理系统及处理方法 | |
CN112040078A (zh) | 一种基于bnep协议实现音频设备端网络通话系统的方法 | |
KR100409139B1 (ko) | 블루투스 인터넷폰을 이용한 통화 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210108 |
|
RJ01 | Rejection of invention patent application after publication |