摘要
本发明提供一种基于人工智能的家居系统唤醒方法,通过将家居环境中的声音唤醒数据进行频谱分析,生成初始人声数据。频谱分析利用声音频率和强度特性,将人声与环境噪声在频谱层面分离,初步过滤掉不匹配的噪声信号,降低环境噪声对唤醒指令识别的干扰。目标隐马尔可夫模型基于人声的时间序列概率分布特征,对初始人声数据进行深度挖掘并提取人声信号,即使人声受噪声影响出现模糊或失真,也能精准识别,进一步净化唤醒指令。将目标人声数据与预设语音特征库进行设备类型识别,生成设备类型数据,并按照设备类型数据唤醒家居环境中对应的智能设备,生成家居系统唤醒数据。避免了因噪声干扰导致的设备误唤醒或唤醒失败,提高用户体验感。
技术关键词
家居系统
人声
隐马尔可夫模型
唤醒方法
短时傅里叶变换
生成设备
信噪比估计值
语音特征库
滤波器系数
智能设备
梅尔频率倒谱系数
期望最大化算法
序列特征
音频特征数据
信号
生成特征向量
电流值
噪声
维特比算法
系统为您推荐了相关专利信息
LSTM模型
应急救援方法
应急救援系统
负荷
应急救援指挥系统
声纹识别方法
输电铁塔
松动螺栓
基准特征
声纹识别模型
特性仿真方法
海杂波
仿真模型
仿真数据
数据分布
麦克风阵列采集
滤波器
机器人声源定位
语音识别技术
麦克风对声源
车载传感器
离合器踏板
状态预测方法
卷积滤波器
长短期记忆网络