基于AI智能语音车载氛围灯控制系统及方法技术方案

本发明专利技术公开了基于AI智能语音车载氛围灯控制系统及方法，控制系统包括语音采集模块、深度学习模块、灯控制模块、故障诊断模块，该控制方法包括，步骤S1、采集语音数据并输出语音指令；步骤S2、判断识别语音是否为有效语音；步骤S3、判断灯控制模块是否接收传递的汽车行驶故障信息。本发明专利技术对预设语音进行训练得到声学模型，移植该模型到嵌入式平台中，利用声学模型对在线语音的音频特征进行分类判别，具有响应时间短、设别准确率高的特点。设别准确率高的特点。设别准确率高的特点。

【技术实现步骤摘要】
基于AI智能语音车载氛围灯控制系统及方法


[0001]本专利技术涉及汽车
，尤其涉及基于AI智能语音车载氛围灯控制系统及方法。

技术介绍

[0002]传统车载氛围灯的调节通过按键或者车载导航界面实现，在正常驾驶时，驾驶员手动操作氛围灯会转移视线，存在交通事故隐患。目前，语音交互技术正在车辆上推广使用，语音识别技术应用于车载设备上，将会提高产品的使用价值，使用户界面更加友好。传统的语音识别算法通常采用基于动态时间规整和基于隐马尔科夫模型等。然而，DTW算法存在无法适用非特定人、大量识别词的问题；HMM算法存在响应速度慢、识别率偏低等问题。因此，基于深度学习的语音识别算法已经被提出。目前车载智能产品实现语音识别的方法有采用专用语音识别芯片的语音库以及传统的语音识别算法等。
[0003]为此，我们提出基于AI智能语音车载氛围灯控制系统及方法来解决上述问题。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中算法相应速度慢，识别率偏低的问题，而提出的基于AI智能语音车载氛围灯控制系统及方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]基于AI智能语音车载氛围灯控制系统，其包括，
[0007]语音采集模块，对语音数据进行采集并输出语音指令；
[0008]语音处理模块，用于处理语音指令，识别语音是否为有效语音；
[0009]深度学习模块，构建声学模型，移植训练好的声学模型到所述语音处理模块，语音处理模块与一灯控制模块通信连接；
[0010]故障诊断模块，获取运行数据，提取诊断特征数据，判断是否有故障发生；
[0011]灯控制模块，根据故障信息以调整氛围灯的灯光效果。
[0012]所述控制系统还包括LED驱动模块、LED灯带，所述灯控制模块根据用户语音指令，通过所述LED驱动模块控制所述LED灯带的灯光效果，所述故障诊断模块发送的故障信息传递至所述灯控制模块，调整LED灯带的灯光效果。
[0013]所述语音处理模块采用i.MX6语音处理器，i.MX6语音处理器内嵌设有训练好的声学模型。
[0014]所述控制系统还包括通信收发器模块、整车控制模块、仪表显示模块，所述通信收发器模块通过CAN总线分别与整车控制模块、故障诊断模块和仪表显示模块连接，所述通信收发器模块与所述灯控制模块通信连接。
[0015]为了实现上述目的，本专利技术还采用了如下技术方案：
[0016]基于AI智能语音车载氛围灯控制方法，包括，
[0017]步骤S1、采集语音数据并输出语音指令；
[0018]步骤S2、将语音指令输入预先训练好的声学模型进行训练，以判断识别语音是否为有效语音，若为有效语音，输出识别信号，否者，返回步骤S1重新采集语音信息；
[0019]步骤S3、提供灯控制模块，判断灯控制模块是否接收传递的汽车行驶故障信息；
[0020]若是，所述灯控制模块根据故障信号调整氛围灯的灯光效果；
[0021]否者，所述灯控制模块根据步骤S2传递的设别信号控制氛围灯的灯光效果。
[0022]在步骤S2中，声学模型的训练具体过程包括：
[0023]步骤S21，提供语音处理模块，并在语音处理模块中搭建CNN神经网络框架；
[0024]步骤S22，获得预设用户语音指令，进行声学模型训练；
[0025]步骤S23，将通过声学模型训练获得参数输入到步骤S21构建的CNN神经网络框架中。
[0026]在步骤S3中，灯控制模块接收传递的汽车行驶故障信息的过程包括：
[0027]步骤S31，CAN总线获得故障障诊断模块输出的信息；
[0028]步骤S32，通信收发器模块等待接收信息；
[0029]步骤S33，通信收发器模块接收信息后，判断汽车行驶过程中是否发生故障或者出现超速行驶，若是，对故障信息进行处理，并发送信息至灯控制模块，否者，返回步骤S32等待接收信息。
[0030]与现有技术相比，本专利技术的有益效果是：对预设语音进行训练得到声学模型，移植该模型到嵌入式平台中，利用声学模型对在线语音的音频特征进行分类判别，每个识别词在线测试20次，计算平均响应时间和平均准确率，具有响应时间短、设别准确率高的特点。
附图说明
[0031]图1为本专利技术提出的基于AI智能语音车载氛围灯控制系统总体框架图；
[0032]图2为本专利技术提出的基于AI智能语音车载氛围灯控制方法的流程图。
[0033]图中：1语音采集模块、2语音处理模块、3深度学习模块、4灯控制模块、5LED驱动模块、6通信收发器模块、7整车控制模块、8仪表显示模块、9故障诊断模块。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0035]参照图1
‑
2，本专利技术为一种基于AI智能语音车载氛围灯控制系统，语音采集模块1、语音处理模块2、深度学习模块3、灯控制模块4、LED驱动模块5、通信收发器模块6、整车控制模块7、仪表显示模块8、故障诊断模块9。
[0036]语音采集模块1，用于对语音数据进行采集并输出语音指令；语音采集模块1采用麦克风，该麦克风采用USB接口，具有智能降噪、抗噪抗干扰等功能，此外，麦克风自带声卡，使声音更加清晰，传输时可以有效防止声音卡顿、降低延迟。
[0037]语音采集模块1连接有语音处理模块2，语音处理模块2采用i.MX6语音处理器，该处理器广泛应用工业自动控制设备、人机交互设备、航空电子设备、机器人等领域，性能良好；语音处理模块2用于处理语音数据，识别语音是否为有效语音，若语音处理模块2识别为无效语音，则语音采集模块1重新进行语音采集，若语音处理模块2识别为有效语音，则输出
识别信号；
[0038]深度学习模块3与语音处理模块2连接，语音处理模块2与灯控制模块4连接，通信收发器模块6通过CAN总线100分别与整车控制模块7、故障诊断模块9和仪表显示模块8连接，CAN总线包括CAN
‑
H线和CAN
‑
L线，通信收发器模块6通过OBD
‑
II接口与CAN总线连接。工作时，故障诊断模块9、仪表显示模块8将CAN总线数据通过OBD
‑
II接口传递到通信收发器模块6，通信收发器模块6与所述灯控制模块通信连接。故障诊断模块9用于获取运行数据，提取诊断特征数据，判断是否有故障发生。
[0039]深度学习模块3用于构建声学模型，并将训练好的声学模型移植到i.MX6语音处理器，i.MX6语音处理器与灯控制模块4通信；然后将汽车故障码和汽车行驶记录通过OBD
‑
II接口传递至通信收发器模块6，进而与灯控制模块4通信。
[0040]具体的，在i.MX6中搭建CNN神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AI智能语音车载氛围灯控制系统，其特征在于，其包括，语音采集模块，对语音数据进行采集并输出语音指令；语音处理模块，用于处理语音指令，识别语音是否为有效语音；深度学习模块，构建声学模型，移植训练好的声学模型到所述语音处理模块，语音处理模块与一灯控制模块通信连接；故障诊断模块，获取运行数据，提取诊断特征数据，判断是否有故障发生；灯控制模块，根据故障信息以调整氛围灯的灯光效果。2.根据权利要求1所述的基于AI智能语音车载氛围灯控制系统，其特征在于，还包括LED驱动模块、LED灯带，所述灯控制模块根据用户语音指令，通过所述LED驱动模块控制所述LED灯带的灯光效果，所述故障诊断模块发送的故障信息传递至所述灯控制模块，调整LED灯带的灯光效果。3.根据权利要求1所述的基于AI智能语音车载氛围灯控制系统，其特征在于，所述语音处理模块采用i.MX6语音处理器，i.MX6语音处理器内嵌设有训练好的声学模型。4.根据权利要求1所述的基于AI智能语音车载氛围灯控制系统，其特征在于，还包括通信收发器模块、整车控制模块、仪表显示模块，所述通信收发器模块通过CAN总线分别与整车控制模块、故障诊断模块和仪表显示模块连接，所述通信收发器模块与所述灯控制模块通信连接。5.基于AI智能语音车载氛围灯控制方法，其特征在于，...

【专利技术属性】
技术研发人员：李磊，
申请(专利权)人：苏州宇慕汽车科技有限公司，
类型：发明
国别省市：