《智能傳感器技術(shù)》教材配套課件國(guó)防科技大學(xué)機(jī)器人語(yǔ)音識(shí)別15.1機(jī)器人聲音定位15.2聲音定位在機(jī)器人中的應(yīng)用15.3語(yǔ)音識(shí)別是人工智能機(jī)器人領(lǐng)域中的一個(gè)重要分支，它使機(jī)器人能夠智能理解和處理人類(lèi)的語(yǔ)音指令，實(shí)現(xiàn)人機(jī)交互，廣泛應(yīng)用于智能客服、智能家居、智能車(chē)載等多個(gè)領(lǐng)域早期階段隱馬爾可夫模型興起階段深度神經(jīng)網(wǎng)絡(luò)應(yīng)用階段貝爾實(shí)驗(yàn)室的Audrey系統(tǒng)IBM發(fā)明了ShoeBox系統(tǒng)卡耐基梅隆大學(xué)的Reddy系統(tǒng)小詞匯量、孤立詞的語(yǔ)音識(shí)別大詞匯量、連續(xù)語(yǔ)音識(shí)別動(dòng)態(tài)規(guī)劃思想統(tǒng)計(jì)方法GMM-HMM框架DBN-HMMDNN-HMM高識(shí)別率、魯棒性、效率語(yǔ)音識(shí)別系統(tǒng)組成語(yǔ)音信號(hào)是一種非平穩(wěn)的一維復(fù)雜時(shí)變信號(hào)，在進(jìn)行語(yǔ)音識(shí)別的時(shí)候，不能直接將原始語(yǔ)音信號(hào)當(dāng)作輸入，而需要先對(duì)語(yǔ)音信號(hào)采取一系列預(yù)處理操作。濾波預(yù)加重分幀加窗語(yǔ)音信號(hào)預(yù)處理?語(yǔ)音信號(hào)預(yù)處理—濾波?補(bǔ)償在錄音和傳輸過(guò)程中高頻聲音的自然衰減，減少噪聲的影響，并改善語(yǔ)音特征的穩(wěn)定性語(yǔ)音信號(hào)預(yù)處理—預(yù)加重?語(yǔ)音信號(hào)分幀的目的在于將連續(xù)的語(yǔ)音信號(hào)切割成短時(shí)間內(nèi)的小段，即幀，以便對(duì)每一幀進(jìn)行獨(dú)立的分析和處理語(yǔ)音信號(hào)預(yù)處理—分幀?聲學(xué)特征提取是從預(yù)處理后的語(yǔ)音信號(hào)中提取代表語(yǔ)音特性的參數(shù)，這些參數(shù)能夠捕捉到語(yǔ)音信號(hào)的重要信息，如音調(diào)、音色等，以便于后續(xù)的語(yǔ)音處理和識(shí)別任務(wù)MFCC特征提取流程聲學(xué)特征提取?馬爾可夫模型聲學(xué)模型?GMM-HMM聲學(xué)模型聲學(xué)模型?DNN-HMM聲學(xué)模型聲學(xué)模型?語(yǔ)言模型的核心目的是評(píng)估一個(gè)給定的詞序列在自然語(yǔ)言中出現(xiàn)的可能性，即預(yù)測(cè)句子中下一個(gè)詞的概率語(yǔ)言模型N-gram困惑度(Perplexity，PPL)PPL越小表示在給定歷史上出現(xiàn)下一個(gè)預(yù)測(cè)詞的概率越高，該模型的效果越好語(yǔ)音模型?家庭助理機(jī)器人交互式教學(xué)和娛樂(lè)醫(yī)療輔助機(jī)器人語(yǔ)音識(shí)別15.1機(jī)器人聲音定位15.2聲音定位在機(jī)器人中的應(yīng)用15.3送餐機(jī)器人如何實(shí)現(xiàn)定位基于麥克風(fēng)陣列的聲源定位是指用麥克風(fēng)拾取聲音信號(hào)，通過(guò)對(duì)麥克風(fēng)陣列的各路輸出信號(hào)進(jìn)行分析和處理，得到一個(gè)或者多個(gè)聲源的位置信息。目前基于麥克風(fēng)陣列的聲源定位方法主要有三種：基于最大輸出功率的可控波束成形的定位方法基于高分辨譜估計(jì)的定位方法基于到達(dá)時(shí)延差估計(jì)的定位方法(TimeDifferenceofArrival，TDOA)基于最大輸出功率的可控波束成形的定位方法?到達(dá)時(shí)間差（TDOA）定位技術(shù)?第i個(gè)麥克風(fēng)與聲源的距離為第一、二個(gè)麥克風(fēng)與y軸的夾角為：聲源的坐標(biāo)為到達(dá)時(shí)間差（TDOA）定位技術(shù)——近場(chǎng)模型?機(jī)器人語(yǔ)音識(shí)