摘要:针对家庭环境中噪声干扰与有限场景语音指令识别需求,本文设计面向老年人辅助交互的语音降噪与意图识别系统。系统采用两阶段串联架构,先利用Wave-U-Net估计带噪输入中的语音波形,再提取40维梅尔频率倒谱系数,通过CNN-LSTM网络预测日常生活意图。降噪网络采用多尺度编码器、解码器及跳跃连接;分类器结合两层卷积与单层双向LSTM,输出15类意图概率。
内容简介
项目数据集包含1800条TTS合成语音,由15类意图、每类20种表达和6种模拟音色组成,划分为1260条训练样本、270条验证样本和270条测试样本。应用端采用PyQt5构建桌面工作台,实现账号入口、本地音频导入、主要意图与Top-3候选展示、原音回放及记录入口。界面通过状态反馈组织文件选择、任务执行与结果核对过程。
项目记录的分类测试准确率为89.26%,F1为88.11%,两阶段模型参数总量约2.73M。降噪训练曲线标注最佳SI-SNR为15.33 dB,摘要材料另报告15.93 dB,两者统计口径仍需统一。结果说明方案具有合成语音任务下的原型可行性;由于尚缺真实老年语音外部测试、完整对照实验及逐样本评价记录,不能将现有结果直接推广为目标人群部署效果。后续将围绕数据独立性、真实语音验证和完整链路性能开展改进。
文档概述
文档信息
版本:初稿
页数:58页
字数:21510个字
格式:word(可编辑)
图表:31张图、14张表、17个公式
文档目录
第1章 绪论 1
1.1 研究背景与意义 1
1.1.1 老年人语音交互的应用需求 1
1.1.2 研究的理论价值与工程价值 1
1.2 国内外研究现状 2
1.2.1 语音降噪研究现状 2
1.2.2 语音指令与意图识别研究现状 2
1.3 研究内容与技术路线 3
1.4 论文组织结构 3
第2章 相关理论与关键技术 4
2.1 语音信号与噪声建模 4
2.1.1 离散语音信号表示 4
2.1.2 信号功率与噪声混合 4
2.2 音频预处理与MFCC特征 4
2.2.1 声道转换与重采样 4
2.2.2 短时傅里叶变换与Mel尺度 5
2.2.3 MFCC计算与特征标准化 5
2.3 深度卷积网络与时序建模 6
2.3.1 卷积与多尺度特征 6
2.3.2 LSTM与双向序列表示 6
2.3.3 Softmax与分类决策 6
2.4 开发框架与本章小结 7
第3章 系统需求分析 8
3.1 应用场景与用户需求 8
3.2 功能需求分析 8
3.2.1 账号与会话管理 8
3.2.2 音频识别与结果展示 8
3.2.3 记录与异常反馈 9
3.3 非功能需求分析 9
3.4 可行性与本章小结 10
第4章 系统总体设计 11
4.1 总体架构与模块划分 11
4.1.1 两阶段串联处理架构 11
4.1.2 模型模块之间的关系 12
4.2 业务流程与状态控制 12
4.2.1 正常处理流程 12
4.2.2 状态转换与重复操作控制 13
4.3 接口与数据结构设计 14
4.4 配置与数据存储设计 15
4.5 本章小结 16
第5章 数据集构建与深度神经网络模型设计 17
5.1 数据集构建与划分 17
5.1.1 指令类别与表达设计 17
5.1.2 合成语音与适用范围 18
5.1.3 数据划分与泄漏控制 18
5.2 Wave-U-Net降噪模型设计 20
5.2.1 编码器与解码器 20
5.2.2 波形对齐与训练目标 21
5.3 CNN-LSTM意图分类模型设计 21
5.3.1 卷积特征提取 21
5.3.2 时序汇聚与分类损失 22
5.4 训练配置与模型管理 22
5.5 本章小结 23
第6章 系统实现 24
6.1 开发环境与程序组织 24
6.2 账号登录与注册界面 24
6.2.1 登录入口实现 24
6.2.2 注册与登录中状态 25
6.3 音频识别工作台实现 27
6.3.1 三栏布局与信息组织 27
6.3.2 输入校验与后台推理 28
6.4 典型指令结果展示 29
6.4.1 娱乐与资讯类指令 29
6.4.2 健康服务与信息查询类指令 30
6.4.3 提醒与日常通信类指令 32
6.4.4 家居与温度控制类指令 34
6.4.5 其他类别与结果解释 38
6.5 原音回放与会话记录 39
6.5.1 原音回放 39
6.5.2 识别历史记录 39
6.6 账号信息与系统说明 40
6.6.1 用户管理界面 40
6.6.2 关于系统与使用指南 41
6.7 本章小结 42
第7章 实验与结果分析 43
7.1 实验设置与评价范围 43
7.2 评价指标 43
7.2.1 语音降噪指标 43
7.2.2 意图分类指标 43
7.3 训练过程分析 44
7.3.1 意图分类训练曲线 44
7.3.2 降噪训练曲线 45
7.4 分类结果与类别差异 46
7.4.1 总体分类表现 46
7.4.2 类别级F1分析 46
7.5 模型规模与系统响应分析 47
7.6 功能验证与研究局限 48
7.7 本章小结 49
第8章 总结与展望 50
8.1 研究工作总结 50
8.2 后续研究展望 50
参考文献 51
配套项目
作者联系
作者信息
原创作者:bob(可提供二次开发有偿修改服务)
项目编号:AI-92-P
原创声明:本项目为原创作品
联系方式

开源协议
本项目采用AGPL-3.0开源协议,允许个人和组织自由使用、修改和分发代码,但基于本项目的衍生作品必须同样开源,且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用,作者不对使用本项目产生的任何后果承担责任,使用者应遵守当地法律法规,合理合法使用本项目。如本项目对您的研究或工作有所帮助,欢迎引用并注明出处。


评论(1)