آنالیز صوتی هوشمند ✔️

ارائه فناوری تعامل مبتنی بر صداست، که به کاربران اجازه می‌دهد کنترل کاملی بر محیط خانه خود داشته باشند، و تشخیص موقعیت‌های پریشانی و تسهیل مشارکت اجتماعی افراد مسن و ضعیف است.

مراحل تجزیه و تحلیل:

1. تشخیص سیگنال
2. تشخیص گفتار/صدا
3. طبقه بندی صدا
4. تشخیص گفتار

هدف ارائه فناوری تعامل صوتی مبتنی بر صدا است که به کاربران اجازه می‌دهد کنترل کاملی بر محیط خانه خود داشته باشند، در تشخیص موقعیت‌های پریشانی و تسهیل مشارکت اجتماعی افراد مسن و ضعیف است.

سیستم تجزیه و تحلیل صدا و گفتار را ارائه می‌کند که به لطف مجموعه‌ای از داده‌های به‌دست‌آمده در یک محیط خانه هوشمند واقعی ارزیابی شده است. اولین آزمایش‌ها نتایج امیدوارکننده‌ای را برای ماژول‌هایی که به‌طور مستقل ارزیابی شده‌اند یا برای کل سیستم نشان می‌دهند.

جنبه های کلی تغییرات جمعیتی و پیری در کشورهای توسعه یافته به چالش هایی برای جامعه برای ادامه بهبود رفاه ساکنان مسن و ضعیف دلالت دارد. از خانه های هوشمند در حوزه سلامت، خانه هوشمند سلامت، سکونتگاهی است مجهز به مجموعه‌ای از حسگرها، محرک‌ها، دستگاه‌های خودکار برای ارائه اطلاعات محیطی برای پشتیبانی از وظایف روزمره زندگی، تشخیص زودهنگام موقعیت‌های پریشانی، نظارت از راه دور و ارتقای ایمنی و رفاه است. دامنه خانه هوشمند به شدت تحت تأثیر دامنه محاسبات همه جا حاضر است.

در میان تمام فناوری‌های تعاملی و حسگر مورد استفاده در خانه‌های هوشمند مانند حسگرهای مادون قرمز، درب‌های تماسی، دوربین‌های ویدئویی، برچسب‌های RFID و…..

تجزیه و تحلیل محیط صدا در خانه هوشمند  پتانسیل بسیار خوبی برای تبدیل شدن به یکی از روش های تعامل اصلی است. فناوری صوتی نه تنها به مرحله بلوغ رسیده است، بلکه دارای ویژگی های بسیاری است که با دید همخوانی دارد. از نظر فیزیکی نامشهود است و بسته به تعداد و نوع سنسورهایی که استفاده می شود.

کاربر را مجبور نمی کند که از نظر فیزیکی در یک مکان خاص قرار گیرد تا بتواند نرخ کار را انجام دهد. علاوه بر این، می‌تواند با استفاده از زبان طبیعی تعاملی را فراهم کند تا کاربر مجبور به یادگیری روش‌های محاسباتی پیچیده یا اصطلاحات تخصصی نباشد.

همچنین می‌تواند صداهای زندگی روزمره را ضبط کند که استفاده از آن را آسان‌تر می‌کند و می‌توان از آن برای برقراری ارتباط با کاربر با استفاده از صدای مصنوعی یا از پیش ضبط ‌شده استفاده کرد. به طور کلی، رابط‌های صوتی را می‌توان بسیار بیشتر برای افراد ناتوان و جمعیت مسن که دارای مشکلات هستند سازگار کرد.

در حرکت یا دیدن نسبت به رابط‌های لمسی (مانند کنترل از راه دور) که نیاز به تعامل فیزیکی و بصری دارند. فردی که پس از زمین خوردن نمی تواند حرکت کند اما هوشیار است، همچنان این امکان را دارد که برای کمک تماس بگیرد در حالی که ممکن است کنترل از راه دور غیر قابل دسترس باشد.

علیرغم همه اینها، فناوری صوتی هنوز مورد سوء استفاده قرار می گیرد. بخشی از این امر را می توان به پیچیدگی راه اندازی این فناوری در یک محیط واقعی و چالش های مهمی نسبت داد که هنوز باید بر آنها غلبه کرد.

گرایش های اصلی در فناوری صوتی در خانه های هوشمند به سیستم های گفتگو به ویژه برای دستیار/ربات مجازی و اضطراری مربوط می شود و برنامه های اصلی عبارتند از تعامل انسان با ماشین تقویت شده مانند فرمان صوتی، مکالمه و امنیت تشخیص سقوط و تشخیص موقعیت ها است.

در مورد امنیت در خانه، فناوری صوتی می‌تواند نقش مهمی در خانه‌های هوشمند با کمک به فرد در معرض خطر برای تماس گرفتن از هر جایی بدون نیاز به استفاده از رابط لمسی ایفا کند که می‌تواند دور از دسترس باشد.

کاربرد دیگر تشخیص سقوط با استفاده از سیگنال یک میکروفون پوشیدنی است که اغلب با روش‌های دیگر مانند شتاب‌سنج ترکیب می‌شود. در  یک سیستم آگاهی بیمار برای تشخیص افتادن بدن و استرس صوتی در بیان گفتار از طریق تجزیه و تحلیل داده های صوتی و حرکتی پیشنهاد شده است.

با این حال، فرد مجبور است همیشه از این سنسورها استفاده کند. برای پرداختن به این محدودیت، سیستم گفتگوی توسعه یافته توسط  برای جایگزینی سیستم‌های اورژانس سنتی که نیاز به تغییر بیش از حد در سبک زندگی سالمندان دارد، پیشنهاد شد.

سیستم Semvox  این سیستم‌ها اغلب از قسمت‌های تشخیص خودکار گفتار، درک زبان طبیعی، مدیریت گفتگو و ترکیب گفتار تشکیل شده‌اند که به کاربر توانایی برقراری ارتباط با سیستم را به صورت تعاملی می‌دهد. با این حال، به طور کلی این ماژول گفتگو مدیریت، مدل سازی، معماری، شخصی سازی، و….است.

در واقع، در Sweet-Home، هدف فعال کردن تعامل گفتاری از هر نقطه در خانه چند اتاق است. علاوه بر این، تعداد کمی از پروژه‌های تحقیقاتی استفاده از صدای زنده روزانه را در سیستم‌های خود به رنگ قرمز در نظر گرفته‌اند، اگرچه می‌تواند اطلاعات مفیدی باشد.

در این منظر، این پروژه به مسائل مهم شناسایی منبع صدا و گفتار از راه دور می پردازد و نتایج این تحقیق برای بهبود استحکام سیستم های ذکر شده در بالا از اهمیت بالایی برخوردار است.

هدف طراحی یک سیستم خانه هوشمند جدید مبتنی بر فناوری صوتی با تمرکز بر سه جنبه اصلی است:

برای بررسی کاربرد این موضوع در خانه، هوشمندسازی خانه در شهریار؛ از کجا شروع کنیم و چه تجهیزاتی نیاز داریم؟ را هم بخوانید.

1. ارائه کمک از طریق تعامل انسان و ماشین (صدا و فرمان لمسی)،
2. تسهیل مشارکت اجتماعی و ایجاد اطمینان امنیتی با شناسایی موقعیت‌های پریشانی.

فرد می‌تواند از هر جایی در خانه، محیط خود را در هر زمان به طبیعی‌ترین روش ممکن هدایت کند. کاربران هدف، افراد مسن و ضعیفی هستند که هنوز هم مستقل هستند. دو دلیل برای این انتخاب وجود دارد:

• اولاً، یک سیستم اتوماسیون خانگی پرهزینه است و اگر به جای زمانی که نیاز به کمک ظاهر می شود، به طور مادام العمر از آن استفاده شود، بسیار سودآورتر خواهد بود.
• ثانیاً، در صورت از دست دادن استقلال، فرد به جای اینکه مجبور باشد همزمان با از دست دادن خودمختاری و شیوه زندگی جدید تحمیل شده توسط خود، به استفاده از سیستم خود با برخی سازگاری‌های مورد نیاز شرایط جدید ادامه دهد.

سیستم تحلیل صدای پیشنهادی سیستم پردازش

1. مرحله تشخیص و استخراج صدا، تشخیص رویدادهای صوتی از جریان های ورودی
2. مرحله تشخیص صدا/گفتار، تمایز گفتار از صداهای دیگر برای استخراج دستورات صوتی
3. مرحله طبقه بندی صدا، تشخیص صداهای زندگی روزمره
4. مرحله تشخیص گفتار، استفاده از تشخیص گفتار برای رویدادهایی که به عنوان گفتار طبقه بندی شده اند

تشخیص و استخراج صدا برای تشخیص فواصل وقوع صدا، الگوریتمی بر اساس تبدیل موجک گسسته (DWT) اعمال می شود. الگوریتم انرژی سه ضریب فرکانس بالا DWT را محاسبه می کند و یک آستانه تطبیقی خودکار از نسبت سیگنال به نویز فعلی (SNR) تخمین زده می شود.

تمایز صدا/گفتار و طبقه‌بندی صدا هنگامی که فواصل وقوع صدا شناسایی شد، مهم‌ترین کار شناسایی دسته‌بندی آنهاست. در زندگی روزمره، تعداد زیادی صداهای مختلف وجود دارد و مدل‌سازی همه آنها غیرقابل حل است و در مورد ما ضروری نیست.

در واقع، با توجه به اینکه هدف اولیه پروژه خانه هوشمند فعال کردن فرمان صوتی از راه دور و تشخیص موقعیت‌های پریشانی است. ، گفتار مهمترین کلاس صدا است. با این حال، انواع دیگری از صداها مانند فریاد و فریاد جالب توجه هستند که ممکن است نشان دهد فرد به کمک فوری نیاز دارد.

علاوه بر این، برخی صداهای محیطی مانند شکستن شیشه و جاری شدن آب برای مدت طولانی نیز می تواند نشان دهنده وضعیتی باشد که نیاز به مداخله خارجی دارد. این حقایق ما را برانگیخت تا یک سیستم تشخیص صدا سلسله مراتبی بسازیم.

گفتار با استفاده از مدل گفتار علیه صدا به جای اینکه گفتار را به عنوان یکی از کلاس های مورد علاقه در نظر بگیرد، از سایر صداها متمایز می شود. استراتژی طبقه بندی دو طبقه به طور کلی قابل اعتمادتر از طبقه بندی چند طبقه است.

طرح ها یک طبقه بندی صداهای چند کلاسه برای تشخیص صداهای غیر گفتاری انجام می شود. ما از همان روش برای تشخیص صدا/گفتار و طبقه بندی صدا استفاده می کنیم. این ترکیبی از دو روش معروف GMM و SVM است و به اصطلاح به هسته‌های متمایز دنباله تعلق دارد.

هسته های متمایز توالی برای SVM با موفقیت برای تشخیص و تأیید سخنران استفاده شد و آنها به یک ابزار استاندارد تبدیل شدند. مزیت اصلی آنها توانایی آنها برای مقابله با دنباله مشاهدات با طول متغیر است. دنباله ای از بردارها بدون انجام طبقه بندی در سطح فریم مانند GMM به عنوان یک کل طبقه بندی می شوند.

این باعث می شود که آنها برای طبقه بندی صدا کاملاً مناسب باشند زیرا مدت زمان صدا ممکن است بسیار متفاوت باشد. هسته مورد استفاده در این کار  GMM SGSL نامیده می شود.