论文部分内容阅读
本文主要研究语音识别的整个过程：主要由语音信号滤波、采样、量化、加窗、端点检测、特征提取、模型训练和阈值比较组成,以及通过Matlab实现对算法模型的仿真。同时通过Matlab的GUI设计技术实现了语音识别的交互界面。在语音识别理论的基础上,通过搭建的五个自由度的Arduino双臂机器人和ASR M08-A语音识别模块,实现了语音控制机器人完成各种规划动作。语音信号经过滤波、采样与量化得到离散的数字信号后,进行预加重,预加重的目的在于滤除低频干扰,提升输入信号的高频分量。分帧使得原本的信号变成一段一段的,相当于对原始信号时域内加了一个矩形窗。时域内与矩形窗相乘相当于频域内信号频谱与矩形窗的傅里叶变换进行卷积。双门限端点检测算法通过短时平均能量和过零率两个门限来实现语音信号的端点检测。实现语音信号的端点检测后通过美尔频率倒谱系数和一阶差分美尔频率倒谱系数获得语音信号的特征参数。同时提出了改进的语音信号特征参数提取算法,基于小波变换的线性预测倒谱系数的计算步骤,基于小波变换的美尔频率倒谱系数的计算步骤。最后,利用基于小波变换的线性预测倒谱系数(DWTL)及相应的差分参数(△DWTL)和基于小波变换的美尔频率倒谱系数(DWTM)及相应的差分参数(△DWTM)组成的系数矩阵。然后通过隐马尔科夫模型当中,前向后向算法、viterbi算法、Baum-welch算法实现模型训练。同时通过Matlab GUI设计以及回调函数的编写实现了语音识别仿真交互界面。在语音识别理论的基础上,与Arduino双臂机器人结合。五自由度服务机器人手臂通过坐标通用旋转变换算法实现机器人手臂的正运动学问题和逆运动学问题求解。正运动学问题是通过已知的机器人各个关节变量来求解末端执行器的位姿；逆运动学问题根据机器人末端执行器的位置和姿态要求,通过运动学逆解求得各个关节转角。然后运用ASR M08-A语音识别模块,32路舵机控制板、Arduino atmegal2560控制板、5自由度机械臂、实现语音控制机器人手臂动作。