随着科技的发展,人们生活水平的提高,出现了各种各样的家用电器,丰富了人们文化生活、减轻了人们生活负担。如何更有效地管理这些家电,使其更好地为我们的生活服务已成为研究的热点。针对此问题,本课题提出把语音识别技术应用到家电控制中,构建具有语音识别功能的家电集中控制系统,从而实现对家电的集中管理。本文深入研究了语音识别的预处理、特征参数提取、基于连续隐马尔可夫模型(简称CHMM)的训练、识别算法等基本理论。原始语音信号预处理包括:预滤波、预加重、短时加窗、端点检测等;特征参数提取是对预处理后的语音信号提取Mel频率倒谱系数(简称MFCC);训练、识别算法则利用CHMM进行声学建模,建立了基于CHMM的孤立词语音识别算法。研究表明,基于CHMM的语音识别算法在环境噪声干扰的情况下,识别精度显著下降。针对此算法缺陷,从信号空间、特征空间、模型空间三个层次进行语音补偿,构建了一种新的语音识别算法。该算法有效结合了维纳滤波、直方图均衡、向量泰勒级数这三种算法的优点,具有较好的鲁棒性,本文简称该算法为“混合鲁棒语音识别算法”。利用混合鲁棒语音识别算法,采用TI公司的TMS320VC5402为核心芯片,外扩存储电路、语音信号采集电路、LCD显示电路和无线通信模块等;选用电视、DVD、电冰箱、空调、洗衣机、电灯等家电作为控制对象,构建了基于语音识别的家电集中控制平台,最终实现家电的语音控制。系统测试结果表明,在室内噪声环境下,采用混合鲁棒语音识别算法的家电集中控制系统的识别率为98.00%,比没有考虑噪声干扰的基于CHMM的语音识别算法的识别率有显著提高,达到了本课题的预期目的。