CN117037771B - 基于语音识别储存的零冷水控制方法及装置 - Google Patents
基于语音识别储存的零冷水控制方法及装置 Download PDFInfo
- Publication number
- CN117037771B CN117037771B CN202311287339.XA CN202311287339A CN117037771B CN 117037771 B CN117037771 B CN 117037771B CN 202311287339 A CN202311287339 A CN 202311287339A CN 117037771 B CN117037771 B CN 117037771B
- Authority
- CN
- China
- Prior art keywords
- user
- database
- voice
- scene
- module
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 63
- 238000012790 confirmation Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 34
- 230000005236 sound signal Effects 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 33
- 238000010438 heat treatment Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000035945 sensitivity Effects 0.000 claims description 10
- 239000000498 cooling water Substances 0.000 claims description 9
- 230000001960 triggered effect Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000010992 reflux Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 abstract description 11
- 238000012549 training Methods 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 230000005856 abnormality Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G10L15/08—Speech classification or search
- G10L15/083—Recognition networks
-
- 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G10L2015/0638—Interactive procedures
-
- 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
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明提供了基于语音识别储存的零冷水控制方法及装置,涉及智能控制技术领域,基于用户样本集进行语音特征提取集建立用户ID数据库,反馈并判断是否处于学习模式,实时接收声音信号并于用户ID数据库进行触发匹配与操作确认,提取指令关联特征进行数据库更新,解决了现有技术中缺乏完善的自适应控制系统,且针对语音控制方面的控制智能度与灵活度不足,无法适应场景差异化与需求差异化下的高精度有效控制的技术问题,通过采集用户语音样本进行信号转换,并按照语音控制零冷水控制模式进行特征提取与记忆学习训练和存储,以建立多用户组与零冷水的控制关系,再作为语音激活的对象进行零冷水的针对化自感应控制,提高零冷水的控制智能性。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及基于语音识别储存的零冷水控制方法及装置。
背景技术
零冷水作为热水器的智能控制模式,可有效实现热水的即开即用,当前,针对零冷水模式的控制技术还不够成熟,无法实现基于用户需求的适应性智能控制。目前,针对热水器的零冷水控制方面,多基于预先配置的操作程序,进行硬识别控制,存在一定的技术局限性。
现有技术中,由于技术支持度不足,缺乏完善的自适应控制系统,且针对语音控制方面的控制智能度与灵活度不足,无法适应场景差异化与需求差异化下的高精度有效控制。
发明内容
本申请提供了基于语音识别储存的零冷水控制方法及装置,用于针对解决现有技术中存在的缺乏完善的自适应控制系统,且针对语音控制方面的控制智能度与灵活度不足,无法适应场景差异化与需求差异化下的高精度有效控制的技术问题。
鉴于上述问题,本申请提供了基于语音识别储存的零冷水控制方法及装置。
第一方面,本申请提供了基于语音识别储存的零冷水控制方法,所述方法包括:
启用语音录入功能,所述语音录入功能通过用户指令触发热水器激活,并进入语音录入状态;
建立用户样本集,所述用户样本集通过提示用户朗读预定词汇库并录音获取;
将所述用户样本集通过通信单元传输至主处理网络,执行用户的语音特征提取,生成语音特征提取集,并建立用户ID数据库;
将所述用户ID数据库反馈至热水器的存储单元,并基于存储单元和识别单元建立识别通信;
当识别通信建立后,判断是否热水器处于学习模式;
若热水器处于学习模式,则调整识别单元的灵敏度约束,并实时接收声音信号;
当声音信号与所述用户ID数据库内声音匹配且触发功能时,通过语音输出单元确认是否执行操作;
当结果为确认时,则提取所述声音信号的指令关联特征,并将所述指令关联特征更新至所述用户ID数据库,完成更新学习;
根据更新后的所述用户ID数据库进行零冷水的智能控制。
第二方面,本申请提供了基于语音识别储存的零冷水控制装置,所述装置包括:
功能启用模块,所述功能启用模块用于启用语音录入功能,所述语音录入功能通过用户指令触发热水器激活,并进入语音录入状态;
样本建立模块,所述样本建立模块用于建立用户样本集,所述用户样本集通过提示用户朗读预定词汇库并录音获取;
特征提取模块,所述特征提取模块用于将所述用户样本集通过通信单元传输至主处理网络,执行用户的语音特征提取,生成语音特征提取集,并建立用户ID数据库;
通信建立模块,所述通信建立模块用于将所述用户ID数据库反馈至热水器的存储单元,并基于存储单元和识别单元建立识别通信;
模式识别模块,所述模式识别模块用于当识别通信建立后,判断是否热水器处于学习模式;
信号接收模块,所述信号接收模块用于若热水器处于学习模式,则调整识别单元的灵敏度约束,并实时接收声音信号;
操作执行确认模块,所述操作执行确认模块用于当声音信号与所述用户ID数据库内声音匹配且触发功能时,通过语音输出单元确认是否执行操作;
数据库更新模块,所述数据库更新模块用于当结果为确认时,则提取所述声音信号的指令关联特征,并将所述指令关联特征更新至所述用户ID数据库,完成更新学习;
零冷水控制模块,所述零冷水控制模块用于根据更新后的所述用户ID数据库进行零冷水的智能控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的基于语音识别储存的零冷水控制方法,启用语音录入功能并进入语音录入状态,通过提示用户朗读预定词汇库并录音建立用户样本集,通过通信单元传输至主处理网络执行用户的语音特征提取,生成语音特征提取集并建立用户ID数据库,反馈至热水器的存储单元并基于存储单元和识别单元建立识别通信,判断是否热水器处于学习模式,若处于,则调整识别单元的灵敏度约束,并实时接收声音信号,当声音信号与所述用户ID数据库内声音匹配且触发功能时,通过语音输出单元确认是否执行操作,提取所述声音信号的指令关联特征并更新至所述用户ID数据库完成更新学习,以进行零冷水的智能控制,解决了现有技术中存在的缺乏完善的自适应控制系统,且针对语音控制方面的控制智能度与灵活度不足,无法适应场景差异化与需求差异化下的高精度有效控制的技术问题,通过采集不同用户的语音样本进行信号转换,并按照语音控制零冷水控制模式进行特征提取与记忆学习训练和存储,以建立多用户组与零冷水的控制关系,再作为语音激活的对象进行零冷水的针对化自感应控制,提高零冷水的控制智能性。
附图说明
图1为本申请提供了基于语音识别储存的零冷水控制方法流程示意图;
图2为本申请提供了基于语音识别储存的零冷水控制方法中结构连接流程示意图;
图3为本申请提供了基于语音识别储存的零冷水控制装置结构示意图。
附图标记说明:功能启用模块11,样本建立模块12,特征提取模块13,通信建立模块14,模式识别模块15,信号接收模块16,操作执行确认模块17,数据库更新模块18,零冷水控制模块19。
具体实施方式
本申请通过提供基于语音识别储存的零冷水控制方法及装置,启用语音录入功能并录音建立用户样本集,传输至主处理网络提取语音特征提取集并建立用户ID数据库,反馈并判断是否热水器处于学习模式,实时接收声音信号并于用户ID数据库进行触发匹配与操作确认,提取指令关联特征进行数据库更新,以进行零冷水的智能控制,用于解决现有技术中存在的缺乏完善的自适应控制系统,且针对语音控制方面的控制智能度与灵活度不足,无法适应场景差异化与需求差异化下的高精度有效控制的技术问题。
实施例一
如图1、图2所示,本申请提供了基于语音识别储存的零冷水控制方法,所述方法包括:
S1:启用语音录入功能,所述语音录入功能通过用户指令触发热水器激活,并进入语音录入状态;
零冷水作为热水器的智能控制模式,可有效实现热水的即开即用,当前,针对零冷水模式的控制技术还不够成熟,无法实现基于用户需求的适应性智能控制。本申请提供的基于语音识别储存的零冷水控制方法,通过采集不同用户的语音样本进行信号转换,并按照语音控制零冷水控制模式进行特征提取与记忆学习训练和存储,以建立多用户组与零冷水的控制关系,再作为语音激活的对象进行零冷水的针对化自感应控制,提高零冷水的控制智能性。
所述语音录入功能为热水器的模式控制执行前趋,进行热水器的使用之前,启动热水器的所述语音录入功能,用于进行用户的语音录入与指令识别,针对录入的用户指令以触发热水器激活,使得所述热水器进行语音录入状态,通过实时识别用户的语音进行热水器的制动控制。
S2:建立用户样本集,所述用户样本集通过提示用户朗读预定词汇库并录音获取;
其中,所述建立用户样本集,本申请S2还包括:
S21:配置用户的多维自定义场景,并建立场景标签;
S22:在用户处于多维自定义场景下,提示用户朗读预定词汇库;
S23:根据对应场景标签执行多维自定义场景下的录音;
S24:基于带有场景标签的录音生成所述用户样本集。
其中,所述预定词汇库为进行所述热水器运行调控的主旨特定控制词汇,覆盖了热水器的完备控制面,通过用户进行所述预定词汇库的朗诵并录音,完成所述用户样本集的构建。具体的,由于不同场景下,不同用户语气等的差异化,可能造成识别误差,影响语音识别准确度。配置用户的所述多维自定义场景,例如,不同场景与热水器具有不同距离,比如:卧室厨房客厅等;不同用水需求场景等,并针对各自定义场景建立场景标签,便于后续进行识别归属,实现场景针对性处理,提高功能执行效率与调控准确度。
当用户处于所述多维自定义场景下,基于当前所处的场景,提示用户朗读所述预定词汇库,即对用于场景的特定词汇,所述预定词汇库覆盖了所述多维自定义场景且具有词汇的场景差异化,通过进行提示,以尽量避免语音误差的控制偏离。进而结合对应的场景标签,执行所述多维自定义场景下的录音,并对录音进行归属场景标签的标注,生成所述用户样本集,所述用户样本集为进行功能调控的录入源数据。
优选的,由于用户与场景的实际不确定性,基于所述预定词汇库进行语音控制存在一定的局限性,可通过建立学习模式,弱化所述预定词汇库的必要性,基于用户自身的语言习惯、表述等进行学习,实现用户契合性自适应控制,提高控制的智能化程度。
S3:将所述用户样本集通过通信单元传输至主处理网络,执行用户的语音特征提取,生成语音特征提取集,并建立用户ID数据库;
其中,本申请S3还包括:
S31:通过主处理网络依据所述场景标签进行数据分类,对每一场景数据执行子网络特征提取;
S32:获得各个子网络的特征提取结果,所述特征提取结果包括声音强度特征和声音基础特征;
S33:对所述声音强度特征进行模糊扩充,并设定模糊扩充结果的向上触发约束;
S34:将所述向上触发约束和所述特征提取结果进行映射,并建立场景子数据库,根据所述场景子数据库获得语音特征提取集。
其中,所述通信单元为进行语音信号传输与反馈的功能单元,基于所述通信单元,将所述用户样本集传输至所述主处理网络。所述主处理网络为进行热水器运行控制的大型处理计算机,为区别于热水器本身的集成处理器。由于热水器的计算单元受自身约束,无法及时高效进行语音信号的有效处理,导致控制效果不佳。因而,所述热水器的计算单元与存储单元只负责执行与识别,不负责提取特征,基于所述主处理网络进行特征提取与处理,并将处理结果基于所述通信单元反馈至所述热水器,其中,所述通信单元一端连接有所述热水器,一端连接有所述主处理网络。
其中,所述主处理网络中包含多个同级别的子网络,与所述多维自定义场景一一对应,用于进行场景对应性特征提取,可有效保障提取特征的场景契合度,确保提取特征与语音采集实况的一致性。基于所述主处理网络,通过识别所述用户样本集所标识的场景标签,基于归属场景进行数据分类,针对每一场景数据进行子网络的匹配,基于匹配结果执行子网络特征提取,包括所述声音强度特征与所述声音基础特征,例如,声能量、声功率、声压等,对提取特征与对应子网络进行映射,获取各个子网络的特征提取结果。
进而,对所述声音强度特征进行模糊扩充,即,由于特征的多样化与多元归属性,很难进行特征的精准度量,例如归属于多个类别的特征数据等,执行特征的模糊扩充,对于具体的模糊扩充方式不做限制,例如模糊决策方法等,并设定所述向上触发约束,即界定模糊扩充度的限制,即特征扩充至一定限度时,即所述向上触发约束,停止进行模糊扩充并基于所述向上触发约束界定该声音强度特征。进行所述向上触发约束与所述特征提取结果的映射,基于映射结果建立所述场景子数据库。由于提取的特征较多,但为了减少算力需求,提高处理效率,并非同时进行提取特征的调用,基于映射建立的所述场景子数据库进行提取特征的层次调用处理。集成所述场景子数据库,确定所述语音特征提取集。所述语音特征提取集为进行所述用户ID数据库建立的基准,基于用户自身语音特征进行针对性数据库的建立。
S4:将所述用户ID数据库反馈至热水器的存储单元,并基于存储单元和识别单元建立识别通信;
S5:当识别通信建立后,判断是否热水器处于学习模式;
S6:若热水器处于学习模式,则调整识别单元的灵敏度约束,并实时接收声音信号;
进一步的,将所述用户ID数据库反馈至所述热水器的存储单元,所述存储单元为所述热水器自身的存储器,对所述用户ID数据库进行存储,便于基于所述用户ID数据库进行用户语音识别判定。并建立所述存储单元与所述识别单元的识别通信,即,基于所述识别单元进行录入的用户声音信号与所述ID数据库的匹配识别,判定是否执行语音控制功能。
若识别到所述存储单元与所述识别单元的通信建立成功后,进一步判定所述热水器是否处于学习模式,所述学习模式为进行用户自适应学习的模式,即不通过特定词汇,通过进行记忆学习、训练与存储,基于用户的语言习惯等进行控制的智能度优化,使得更契合于用户自身。当所述热水器处于所述学习模式时,对所述识别单元进行灵敏度约束进行调整,即,进行灵敏度上调,并非只针对特定词汇进行识别录入,而是基于控制关联性语言,其中,所述灵敏度约束的调整标准可进行预先配置好,当处于学习模式时直接进行启用,并对用户的实时语音进行采集,将其转换为声音信号并进行接收。
S7:当声音信号与所述用户ID数据库内声音匹配且触发功能时,通过语音输出单元确认是否执行操作;
其中,本申请S7还包括:
S71:通过识别单元对所述声音信号解析,生成声音强度标识;
S72:通过所述声音强度标识进行向上触发约束的触发评价,根据触发结果调用对应场景子数据库;
S73:以调用场景子数据库对所述声音信号匹配,并识别触发功能。
将接收的所述声音信号传输至所述识别单元中,对所述声音信号进行解析,进而与所述用户ID数据库进行匹配,基于匹配结果判定是否触发功能执行。具体的,基于所述识别单元进行所述声音信号的解析,确定声音信号特征,集成确定为所述声音强度标识。针对所述声音强度标志进行向上触发约束的触发评价,即,以所述声音强度识别的模糊扩充为基准,判定是否触发所述向上触发约束。
若未触发,表明当前的声音信号并非用于进行操作执行控制;若触发,基于触发结果,即所述声音强度识别所触发的向上触发约束,将该向上触发约束所映射关联的场景子数据库进行调用,作为适配于当前语音场景的匹配库。进一步进行所述场景子数据库与所述声音信号的匹配,将所述场景子数据库中,可将解析的所述声音强度标识作为匹配依据,基于所述声音信号对应的匹配功能,作为所述触发功能,所述触发功能为待执行的控制功能。
当所述声音信号与所述用户ID数据库内声音匹配且触发功能时,基于所述语音输出单元对所述触发功能进行操作确认,即对所述触发功能进行语音执行确认,确认是否执行操作,当接收到用户的反馈后进行操作执行控制。通过进行语音确认,可有效避免设备识别判定误差造成的控制失误,提高控制精度。
S8:当结果为确认时,则提取所述声音信号的指令关联特征,并将所述指令关联特征更新至所述用户ID数据库,完成更新学习;
其中,本申请S8还包括:
S81:设定噪音学习周期;
S82:在所述噪音学习周期进行环境声音录入,建立环境声音数据集;
S83:将所述环境声音数据集传输至主处理网络,通过所述主处理网络进行用户ID数据库更新,以完成对识别单元的触发补偿。
通过进行触发功能的语音确认,当结果为确认执行时,表明对应的所述声音信号为该用户基于个人习惯的触发特征,需将其存储至所述用户ID数据库中,以进行所述ID数据库的时效更新。其中,随着热水器的控制进程,针对存在的声音信号,需实时进行所述ID数据库的归纳存储。进而提取所述声音信号的指令关联特征,即与触发执行具有高度关联性的决定性特征,例如,动词,量词等的信号强度、信号频率等,作为所述指令关联特征。
并将所述指令关联特征更新至所述用户ID数据库中,以完成更新学习实现所述用户ID数据库的完善扩充。优选的,针对所述指令关联特征进行更新前,于所述用户ID数据库进行检索,若检索存在同源指令关联特征,对其进行完善更新;若检索不存在同源指令特征,直接进行所述指令关联特征的存储更新。
由于进行零冷水控制中,为保障绝对的控制准确度,需对环境声音进行识别影响降解。设定所述噪音学习周期,即由本领域技术人员自定义设定的进行环境影响分析的更新时区。于所述噪音学习周期进行环境声音的录入,并进行时序整合于场景归属,生成所述环境声音数据集。基于所述通信单元,将所述环境声音数据集传输至所述主处理网络,通过进行环境声音特征的提取,并于所述用户ID数据库中进行存储更新,其中,所述环境声音特征的提取与所述用户语音特征的提取方式与数据库更新方式相同。通过基于所述噪音学习周期进行所述用户ID数据库的更新,使得进行用户语音识别分析时,可有效精准排除环境声音影响,最大化保障用户语音识别的准确度。
S9:根据更新后的所述用户ID数据库进行零冷水的智能控制。
其中,本申请S9还包括:
S91:设置自适应触发加热约束;
S92:当温度传感器的回流数据满足所述自适应触发加热约束时,则执行加热控制,并以当前节点为初始节点,建立连续监测窗口;
S93:若在连续监测窗口内满足监测结果,则停止加热控制。
其中,本申请还存在S94,包括:
S941:若在连续监测窗口内未满足监测结果,则生成异常预警;
S942:通过所述异常预警进行热水器的控制异常管理。
基于更新后的所述用户ID数据库,进行热水器的零冷水智能控制,所述用户ID数据库与用户具有高度契合性与时效性,可有效提高零冷水控制的智能化与准确度。具体的,为避免温度过低造成管道损伤影响寿命,设定所述自适应触发加热约束,用于进行防冻模式的自适应调控。即基于实际温度进行自适应执行的加热温度约束值,例如,设定所述自适应触发加热约束为2°~5°,即,当温度低于2°时自动启动加热,当温度高于5°时自动停止。
基于所述温度传感器进行水流转监测,获取回流数据,包括温度数据。判定所述回流数据是否满足所述自适应触发加热约束,即温度低于2°,则需执行加热控制。以当前节点为初始节点,包括时间节点与温度节点,建立所述连续监测窗口,用于进行加热约束的最大时间区间。当所述连续监测窗口内满足所述监测结果,表明达到正常回流温度值,则停止进行加热控制。
当所述连续监测窗口内未满足所述监测结果,即完成所述连续监测窗口时间区间内的加热后,回流数据的温度依然未达到正常回流温度值,表明存在加热控制异常,同步生成所述异常预警。随着所述异常预警的接收,对所述热水器进行控制异常管理,包括异常溯源定位与检修处理,以维系热水器的正常运维。
本申请提供的基于语音识别储存的零冷水控制方法,具有如下技术效果:
1、现有技术中,由于缺乏完善的自适应控制系统,且针对语音控制方面的控制智能度与灵活度不足,无法适应场景差异化与需求差异化下的高精度有效控制,通过采集不同用户的语音样本进行信号转换,并按照语音控制零冷水控制模式的特征进行记忆学习训练和存储,以建立多用户组与零冷水的控制关系,再作为语音激活的对象进行零冷水的针对化自感应控制,提高零冷水的控制智能性。
2、通过配置学习模式,进行实时声音信号的识别与特征提取,对构建的用户ID数据库进行更新,保障所述用户ID数据库的时效性与完善度,提高识别判定的精准度。同步基于环境声音数据,进行噪音学习周期下所述用户ID数据库的更新,以消弭环境噪声所噪声的用户声音识别影响,最大化保障数据库的用户契合度与完善度。
3、将主处理网络作为数据处理的执行终端,以避免设备自身局限性噪声的特征识别偏差。通过搭建完善的执行逻辑架构,针对热水器零冷水进行自感应下的智能化精准控制。
实施例二
基于与前述实施例中基于语音识别储存的零冷水控制方法相同的发明构思,如图3所示,本申请提供了基于语音识别储存的零冷水控制装置,所述装置包括:
功能启用模块11,所述功能启用模块11用于启用语音录入功能,所述语音录入功能通过用户指令触发热水器激活,并进入语音录入状态;
样本建立模块12,所述样本建立模块12用于建立用户样本集,所述用户样本集通过提示用户朗读预定词汇库并录音获取;
特征提取模块13,所述特征提取模块13用于将所述用户样本集通过通信单元传输至主处理网络,执行用户的语音特征提取,生成语音特征提取集,并建立用户ID数据库;
通信建立模块14,所述通信建立模块14用于将所述用户ID数据库反馈至热水器的存储单元,并基于存储单元和识别单元建立识别通信;
模式识别模块15,所述模式识别模块15用于当识别通信建立后,判断是否热水器处于学习模式;
信号接收模块16,所述信号接收模块16用于若热水器处于学习模式,则调整识别单元的灵敏度约束,并实时接收声音信号;
操作执行确认模块17,所述操作执行确认模块17用于当声音信号与所述用户ID数据库内声音匹配且触发功能时,通过语音输出单元确认是否执行操作;
数据库更新模块18,所述数据库更新模块18用于当结果为确认时,则提取所述声音信号的指令关联特征,并将所述指令关联特征更新至所述用户ID数据库,完成更新学习;
零冷水控制模块19,所述零冷水控制模块19用于根据更新后的所述用户ID数据库进行零冷水的智能控制。
其中,所述样本建立模块12还包括:
场景标签建立模块,所述场景标签建立模块用于配置用户的多维自定义场景,并建立场景标签;
词汇库提示模块,所述词汇库提示模块用于在用户处于多维自定义场景下,提示用户朗读预定词汇库;
录音执行模块,所述录音执行模块用于根据对应场景标签执行多维自定义场景下的录音;
用户样本集生成模块,所述用户样本集生成模块用于基于带有场景标签的录音生成所述用户样本集。
其中,所述特征提取模块13还包括:
子网络特征提取模块,所述子网络特征提取模块用于通过主处理网络依据所述场景标签进行数据分类,对每一场景数据执行子网络特征提取;
特征提取结果获取模块,所述特征提取结果获取模块用于获得各个子网络的特征提取结果,所述特征提取结果包括声音强度特征和声音基础特征;
特征模糊扩充模块,所述特征模糊扩充模块用于对所述声音强度特征进行模糊扩充,并设定模糊扩充结果的向上触发约束;
语音特征提取集获取模块,所述语音特征提取集获取模块用于将所述向上触发约束和所述特征提取结果进行映射,并建立场景子数据库,根据所述场景子数据库获得语音特征提取集。
其中,所述操作执行确认模块17还包括:
声音信号解析模块,所述声音信号解析模块用于通过识别单元对所述声音信号解析,生成声音强度标识;
数据库调用模块,所述数据库调用模块用于通过所述声音强度标识进行向上触发约束的触发评价,根据触发结果调用对应场景子数据库;
触发功能识别模块,所述触发功能识别模块用于以调用场景子数据库对所述声音信号匹配,并识别触发功能。
其中,所述数据库更新模块18还包括:
周期设定模块,所述周期设定模块用于设定噪音学习周期;
环境声音录入模块,所述环境声音录入模块用于在所述噪音学习周期进行环境声音录入,建立环境声音数据集;
用户ID数据库更新模块,所述用户ID数据库更新模块用于将所述环境声音数据集传输至主处理网络,通过所述主处理网络进行用户ID数据库更新,以完成对识别单元的触发补偿。
其中,所述零冷水控制模块19还包括:
约束设置模块,所述约束设置模块用于设置自适应触发加热约束;
连续监测窗口建立模块,所述连续监测窗口建立模块用于当温度传感器的回流数据满足所述自适应触发加热约束时,则执行加热控制,并以当前节点为初始节点,建立连续监测窗口;
停止加热控制模块,所述停止加热控制模块用于若在连续监测窗口内满足监测结果,则停止加热控制。
其中,所述装置还包括:
异常预警生成模块,所述异常预警生成模块用于若在连续监测窗口内未满足监测结果,则生成异常预警;
控制异常管理模块,所述控制异常管理模块用于通过所述异常预警进行热水器的控制异常管理。
本说明书通过前述对基于语音识别储存的零冷水控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中基于语音识别储存的零冷水控制方法及装置,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.基于语音识别储存的零冷水控制方法,其特征在于,所述方法包括:
启用语音录入功能,所述语音录入功能通过用户指令触发热水器激活,并进入语音录入状态;
建立用户样本集,所述用户样本集通过提示用户朗读预定词汇库并录音获取;
其中,所述建立用户样本集,所述方法还包括:
配置用户的多维自定义场景,并建立场景标签;
在用户处于多维自定义场景下,提示用户朗读预定词汇库;
根据对应场景标签执行多维自定义场景下的录音;
基于带有场景标签的录音生成所述用户样本集;
将所述用户样本集通过通信单元传输至主处理网络,执行用户的语音特征提取,生成语音特征提取集,并建立用户ID数据库;
其中,所述方法还包括:
通过主处理网络依据所述场景标签进行数据分类,对每一场景数据执行子网络特征提取;
获得各个子网络的特征提取结果,所述特征提取结果包括声音强度特征和声音基础特征;
对所述声音强度特征进行模糊扩充,并设定模糊扩充结果的向上触发约束;
将所述向上触发约束和所述特征提取结果进行映射,并建立场景子数据库,根据所述场景子数据库获得语音特征提取集;
将所述用户ID数据库反馈至热水器的存储单元,并基于存储单元和识别单元建立识别通信;
当识别通信建立后,判断是否热水器处于学习模式;
若热水器处于学习模式,则调整识别单元的灵敏度约束,并实时接收声音信号;
当声音信号与所述用户ID数据库内声音匹配且触发功能时,通过语音输出单元确认是否执行操作;
当结果为确认时,则提取所述声音信号的指令关联特征,并将所述指令关联特征更新至所述用户ID数据库,完成更新学习;
根据更新后的所述用户ID数据库进行零冷水的智能控制。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过识别单元对所述声音信号解析,生成声音强度标识;
通过所述声音强度标识进行向上触发约束的触发评价,根据触发结果调用对应场景子数据库;
以调用场景子数据库对所述声音信号匹配,并识别触发功能。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
设定噪音学习周期;
在所述噪音学习周期进行环境声音录入,建立环境声音数据集;
将所述环境声音数据集传输至主处理网络,通过所述主处理网络进行用户ID数据库更新,以完成对识别单元的触发补偿。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
设置自适应触发加热约束;
当温度传感器的回流数据满足所述自适应触发加热约束时,则执行加热控制,并以当前节点为初始节点,建立连续监测窗口;
若在连续监测窗口内满足监测结果,则停止加热控制。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
若在连续监测窗口内未满足监测结果,则生成异常预警;
通过所述异常预警进行热水器的控制异常管理。
6.基于语音识别储存的零冷水控制装置,其特征在于,所述装置包括:
功能启用模块,所述功能启用模块用于启用语音录入功能,所述语音录入功能通过用户指令触发热水器激活,并进入语音录入状态;
样本建立模块,所述样本建立模块用于建立用户样本集,所述用户样本集通过提示用户朗读预定词汇库并录音获取;
其中,所述样本建立模块还包括:
场景标签建立模块,所述场景标签建立模块用于配置用户的多维自定义场景,并建立场景标签;
词汇库提示模块,所述词汇库提示模块用于在用户处于多维自定义场景下,提示用户朗读预定词汇库;
录音执行模块,所述录音执行模块用于根据对应场景标签执行多维自定义场景下的录音;
用户样本集生成模块,所述用户样本集生成模块用于基于带有场景标签的录音生成所述用户样本集;
特征提取模块,所述特征提取模块用于将所述用户样本集通过通信单元传输至主处理网络,执行用户的语音特征提取,生成语音特征提取集,并建立用户ID数据库;
其中,所述特征提取模块还包括:
子网络特征提取模块,所述子网络特征提取模块用于通过主处理网络依据所述场景标签进行数据分类,对每一场景数据执行子网络特征提取;
特征提取结果获取模块,所述特征提取结果获取模块用于获得各个子网络的特征提取结果,所述特征提取结果包括声音强度特征和声音基础特征;
特征模糊扩充模块,所述特征模糊扩充模块用于对所述声音强度特征进行模糊扩充,并设定模糊扩充结果的向上触发约束;
语音特征提取集获取模块,所述语音特征提取集获取模块用于将所述向上触发约束和所述特征提取结果进行映射,并建立场景子数据库,根据所述场景子数据库获得语音特征提取集;
通信建立模块,所述通信建立模块用于将所述用户ID数据库反馈至热水器的存储单元,并基于存储单元和识别单元建立识别通信;
模式识别模块,所述模式识别模块用于当识别通信建立后,判断是否热水器处于学习模式;
信号接收模块,所述信号接收模块用于若热水器处于学习模式,则调整识别单元的灵敏度约束,并实时接收声音信号;
操作执行确认模块,所述操作执行确认模块用于当声音信号与所述用户ID数据库内声音匹配且触发功能时,通过语音输出单元确认是否执行操作;
数据库更新模块,所述数据库更新模块用于当结果为确认时,则提取所述声音信号的指令关联特征,并将所述指令关联特征更新至所述用户ID数据库,完成更新学习;
零冷水控制模块,所述零冷水控制模块用于根据更新后的所述用户ID数据库进行零冷水的智能控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311287339.XA CN117037771B (zh) | 2023-10-08 | 2023-10-08 | 基于语音识别储存的零冷水控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311287339.XA CN117037771B (zh) | 2023-10-08 | 2023-10-08 | 基于语音识别储存的零冷水控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117037771A CN117037771A (zh) | 2023-11-10 |
CN117037771B true CN117037771B (zh) | 2023-12-22 |
Family
ID=88635808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311287339.XA Active CN117037771B (zh) | 2023-10-08 | 2023-10-08 | 基于语音识别储存的零冷水控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117037771B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117995178A (zh) * | 2024-04-07 | 2024-05-07 | 深圳市西昊智能家具有限公司 | 基于声音识别的智能办公语音控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110199254A (zh) * | 2017-01-30 | 2019-09-03 | 昕诺飞控股有限公司 | 用于控制多个光源的控制器 |
JP2020085251A (ja) * | 2018-11-15 | 2020-06-04 | 株式会社長府製作所 | 給湯システム |
CN112820291A (zh) * | 2021-01-08 | 2021-05-18 | 广州大学 | 智能家居控制方法、系统和存储介质 |
WO2022022585A1 (zh) * | 2020-07-31 | 2022-02-03 | 华为技术有限公司 | 电子设备及其音频降噪方法和介质 |
CN115482806A (zh) * | 2019-06-06 | 2022-12-16 | 腾讯科技(深圳)有限公司 | 语音处理系统、方法、装置、存储介质和计算机设备 |
-
2023
- 2023-10-08 CN CN202311287339.XA patent/CN117037771B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110199254A (zh) * | 2017-01-30 | 2019-09-03 | 昕诺飞控股有限公司 | 用于控制多个光源的控制器 |
JP2020085251A (ja) * | 2018-11-15 | 2020-06-04 | 株式会社長府製作所 | 給湯システム |
CN115482806A (zh) * | 2019-06-06 | 2022-12-16 | 腾讯科技(深圳)有限公司 | 语音处理系统、方法、装置、存储介质和计算机设备 |
WO2022022585A1 (zh) * | 2020-07-31 | 2022-02-03 | 华为技术有限公司 | 电子设备及其音频降噪方法和介质 |
CN112820291A (zh) * | 2021-01-08 | 2021-05-18 | 广州大学 | 智能家居控制方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117037771A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117037771B (zh) | 基于语音识别储存的零冷水控制方法及装置 | |
US10403282B2 (en) | Method and apparatus for providing voice service | |
CN107919121A (zh) | 智能家居设备的控制方法、装置、存储介质及计算机设备 | |
CN110719217A (zh) | 基于事理图谱的控制方法及系统、可读存储介质、计算机 | |
CN109492221B (zh) | 一种基于语义分析的信息回复方法及可穿戴设备 | |
CN106570443A (zh) | 一种快速识别方法及家庭智能机器人 | |
CN114861836B (zh) | 一种基于人工智能平台的模型部署方法及相关设备 | |
CN110288995B (zh) | 基于语音识别的交互方法、装置、存储介质和电子设备 | |
US11333378B1 (en) | Energy consumption artificial intelligence | |
CN112349283B (zh) | 一种基于用户意图的家电控制方法及智能家电 | |
CN112634897B (zh) | 设备唤醒方法、装置和存储介质及电子装置 | |
CN112925888A (zh) | 一种问答响应及小样本文本匹配模型的训练方法和装置 | |
CN111276133A (zh) | 音频识别方法、系统、移动终端及存储介质 | |
CN108572746B (zh) | 定位移动设备的方法、装置和计算机可读存储介质 | |
US10917721B1 (en) | Device and method of performing automatic audio focusing on multiple objects | |
CN115841188B (zh) | 一种基于用户行为分析的供热系统供需优化方法 | |
CN114201976A (zh) | 一种机器翻译自动优选系统 | |
CN113889116A (zh) | 语音信息的处理方法和装置、存储介质及电子装置 | |
CN113935309A (zh) | 一种基于语义平台的技能优化处理方法及系统 | |
JP2023528513A (ja) | 意図検出装置、意図検出方法及びプログラム | |
CN113763951B (zh) | 一种语音红外控制智能家居的智能手表 | |
CN117408680B (zh) | 一种基于物联网的智能化配电房管理方法及系统 | |
CN116821403B (zh) | 一种厂区设备的智能运维方法及系统 | |
CN111276140B (zh) | 语音命令识别方法、装置、系统及存储介质 | |
CN115482813A (zh) | 家电设备及其声纹控制方法、服务器、可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |