语音识别技术在机器人控制中的应用

周春荣

摘要：语音识别技术是人机实现互动的主要方式之一，本文对该技术进行探究。文章首先概述了语音识别技术的原理及方法；其次分析了语音识别技术在机器人控制中的设计与实践，包括系统总体结构、系统各个功能模块、机器人语音控制流程三大模块以及具体的实践分析；最后对提取特征参数以及语音识别算法进行改进，对改进后的机器人运动情况进行测试，并提出笔者的思考。

关键词：语音识别技术；机器人控制；改进措施；应用实践

中图分类号：TN912. 3 文献标识码：A 文章编号：1007-9416（2018）01-0001-02

语音识别、自然语言理解以及语音合成是人机交互的三种主要方式，为充分发挥计算机的作用，多数学者对人机交互的技术进行了深入的探究，并提出较多的技术措施，本文重点从语音识别角度对人机交互进行探究，在利用现有的技术进行设计实践之后，分析了其中可改进的部分，并对改进后的技术进行了实践，以期为其他相关研究人员提供一定的参考。

1 语音识别技术的原理及方法

1.1 语音识别技术的基本原理

语音识别技术出现的时间虽然相对较短，但是多为学者对此进行了深入的研究，并且提出了多种设计方案，虽然方案各有不同，但是其原理基本一致，即通过一个模式识别系统使语音转换为计算机可以识别的数据。该模式主要包括三个基本单元，即特征提取、模式匹配以及参考模式库，其中语音信号预处理阶段主要是对原始语音的端点检测、语音分帧等，从而为后续的设计提供参数依据；特征提取阶段主要是对能够反映语音信号特征的关键参数进行提取；通过参考模型库中的样本语音等对相似度进行度量，最后进行识别。

1.2 语音识别的基本方法

当前语音识别的基本方法主要有四种，分別是隐马尔可夫模型、矢量量化技术、动态时间规整技术以及人工神经网络。其中隐马尔可夫模型主要是通过对语音特征分布的概率进行统计得出语音信号的时变序列，进行语音识别；矢量量化技术主要是通过对数据压缩，将语音信号波形矢量化，对每一帧进行分析，最后进行语音识别；动态时间规整技术主要是通过将原始语音样本语音进行时间规整，进行语音识别；人工神经网络则是依据生物神经网络的特征所构建的一种算法模型，通过学习和存贮大量的输入-输出模式映射关系来实现语音的识别。

2 语音识别技术在机器人控制中的设计与实践

2.1 系统总体结构设计

语音识别技术在机器人控制中应用，主要是通过语音输入设备输入语音，再通过相应的软件、程序等使计算机分辨出人类语音的内容，实现人与计算机之间的交互。故而语音识别系统的总体结构设计应包括语音控制端以及机器人运动控制端，具体的结构设计如图1所示。

2.2 系统各个功能模块的设计

机器人语音识别系统各个功能模块直接影响着系统运行的质量，具体来说，该系统主要包括七大模块，分别是运动输出模块、图像采集系统模块、运用控制模块、机器人主控系统模块、语音识别模块、语音输入模块以及端口程序模块。

该系统的协作主要通过初始化模型、请求/应答模式、命令模式以及时间模式实现。其中命令模式主要是完成启动或者停止语音识别的命令，事件模式则是依据客观实际情况自动停止语音识别活动，且显示识别结果。

2.3 机器人语音控制流程设计

机器人语音识别系统中机器人语音控制是最为重要的部分，设计情况直接影响着整个系统的运行，也影响着系统的功能的完成情况。具体来说，计算机控制系统的功能主要包括三大部分，分别是语音识别、机器人的运动控制以及各项数据流管理，依据以上功能，设定机器人语音控制流程。

2.4 机器人运动情况测试与分析

在系统构建完成之后进行测试，分别在安静环境以及嘈杂环境中进行，分别的测试数据如表1与表2所示。

由上可以看出，在固有技术上进行的测试，嘈杂环境中识别率较低，故而需进行完善。

3 提取特征参数以及语音识别算法的改进及实践

经过分析，笔者改进了LPC谱估计共振峰参数构造了新的语音特征参数，并且选用了TSMS算法以及DTW高效算法，并依据以上的模型进行重新架构，流程不变，最后构成的计算机语音识别系统在安静环境中以及嘈杂环境中的识别效果如表3与表4所示。

由上可知，改进之后语音识别系统在嘈杂环境中的识别效率也有提升，可以看出计算机语音识别系统仍有较大的提升空间。

4 结语

本文是对语音识别技术在机器人控制中应用的探究，文章在概述了语音识别技术的相关理论之后针对改进前后的语音识别技术进行了实践，并提出自己的思考，以期为其他研究人员提供一定的参考，同时抛砖引玉，希望有更多的学者参与其中进行探究，以优化语音识别技术，从而促进人机的进一步交互。

参考文献

[1]张凤美.基于语音识别的移动机器人远程控制系统研究[D].武汉科技大学，2013.

[2]刘旸.面向机器人对话的语音识别关键技术的研究[D].西安电子科技大学，2016.