家庭陪护机器人语音控制系统研究与设计
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 课题研究现状 | 第12-15页 |
| 1.2.1 声源定位国内外研究现状 | 第12-13页 |
| 1.2.2 语音识别国内外研究现状 | 第13-15页 |
| 1.3 本文主要内容 | 第15页 |
| 1.4 章节安排 | 第15-17页 |
| 第二章 系统需求分析及设计 | 第17-22页 |
| 2.1 机器人系统框架 | 第17-19页 |
| 2.2 语音控制系统需求分析 | 第19-20页 |
| 2.3 语音控制系统整体方案设计 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于改进的GCC时延估计声源定位算法研究 | 第22-41页 |
| 3.1 语音信号产生模型及硬件结构设计 | 第22-28页 |
| 3.1.1 语音信号产生模型 | 第22-23页 |
| 3.1.2 麦克风选型及阵列拓扑结构设计 | 第23-25页 |
| 3.1.3 五麦阵列几何模型分析 | 第25-28页 |
| 3.2 一种改进的GCC时延估计声源定位算法 | 第28-32页 |
| 3.2.1 几种经典声源定位算法比较 | 第28-29页 |
| 3.2.2 一种改进的GCC时延估计声源定位算法 | 第29-32页 |
| 3.3 语音信号预处理及仿真 | 第32-39页 |
| 3.3.1 滤波去噪 | 第32页 |
| 3.3.2 分帧加窗 | 第32-35页 |
| 3.3.3 基于双门限的VAD检测方法 | 第35-39页 |
| 3.4 实验及结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于三音子LMS模型的语音识别方法研究 | 第41-55页 |
| 4.1 Kaldi工具箱简介及环境搭建 | 第41-44页 |
| 4.1.1 Kaldi工具箱介绍 | 第41-42页 |
| 4.1.2 Kaldi平台环境搭建 | 第42-44页 |
| 4.2 数据准备及模型训练 | 第44-51页 |
| 4.2.1 语音识别单元设置 | 第44页 |
| 4.2.2 数据准备 | 第44-46页 |
| 4.2.3 基于HMM的声学模型 | 第46-49页 |
| 4.2.4 绑定状态的三音子模型 | 第49-50页 |
| 4.2.5 基于WFST的解码模型 | 第50-51页 |
| 4.3 实验及结果分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 陪护机器人语音控制系统设计及性能测试 | 第55-67页 |
| 5.1 陪护机器人实验平台 | 第55-56页 |
| 5.2 上下位机通信协议 | 第56-58页 |
| 5.3 声源定位及自主转向精度测试 | 第58-62页 |
| 5.4 语音指令识别及响应准确率测试 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67-68页 |
| 6.2 研究前景展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 硕士期间发表论文 | 第75页 |
| 硕士期间参加科研工作 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |
