融合聲紋識別的護理床語音控制系統(tǒng)研發(fā).pdf

1、隨著人口老齡化的日趨嚴重、以及心腦血管疾病的年輕化，使得越來越多人喪失行動能力，加上護理人員的缺乏，社會需要加速研發(fā)更為智能的護理床。護理床采用語音控制來取代單純的按鈕控制，能夠為失能患者帶來很大的方便。然而，在養(yǎng)老院以及醫(yī)院，通常都會有多張護理床處在同一室內(nèi)，環(huán)境相對嘈雜，若是多人同時發(fā)送語音命令則容易相互干擾。如果采用非特定人語音控制系統(tǒng)，那么任何人都能夠?qū)ψo理床發(fā)送語音命令，將對患者的安全產(chǎn)生嚴重影響，有可能導致患者二次傷害，這制

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

3、了分析，對各種開發(fā)平臺進行了比對，選擇了Android開發(fā)平臺，然后進行語音控制系統(tǒng)的概要設計。
　　第三，本文探討常見的音頻格式的特點，在Android上采用WAV格式做語音特征提取。然后分析了提取音頻文件的數(shù)據(jù)，并對它做預處理，研究了確定其參數(shù)的方法。緊接著是對語音數(shù)據(jù)進行MFCC特征提取。接著，解決了在Android上編程時，遇到NaN數(shù)據(jù)的問題，實現(xiàn)在Android平臺上的MFCC特征提取。
　　第四，深入探討了聲紋

4、識別以及語音識別的各種算法基礎上，選擇了GMM作為聲紋識別的算法，并在Matlab上做實驗進行驗證，以及選擇HMM和DTW進行Matlab對比實驗，實驗樣本采用個人錄制的語音所提取的MFCC特征。實驗也證明了，在合理設置閾值的前提下，GMM適合作為控制系統(tǒng)的聲紋識別算法，用于屏蔽非護理床用戶的語音。也證明了在少量訓練樣本、識別對象為孤立詞的情況下，采用DTW識別效果以及識別時間都優(yōu)于采用HMM。而后，在Android平臺上實現(xiàn)了基于GM

5、M的聲紋識別和基于DTW的語音識別。
　　第五，本文根據(jù)概要設計、界面設計和流程設計，詳細闡述了在Android平臺上設計護理床語音控制系統(tǒng)的過程。然后，對語音控制系統(tǒng)進行性能試驗。設置閾值后，當聲紋識別的召回率為72.5％時，非護理床用戶的語音有1.25％的可能致護理床動作。通過了聲紋識別后，指定護理床用戶的語音識別率為97.13％，而非指定護理床用戶的語音識別率為14.29％。指定護理床用戶從讀入語音到護理床產(chǎn)生動作的過程，需