【技术实现步骤摘要】
本专利技术涉及一种新型的智能风扇系统技术，尤其涉及深度学习和可见光vlc-树莓派融合声纹识别的智能pcr风扇机系统。
技术介绍
1、vlc可见光技术，是利用发光二极管发出的肉眼看不到的高速明暗闪烁信号来传输信息的，该新型通信技术有着高速灵活、绿色环保、成本低廉、无电磁辐射等优点；声纹识别控制技术，是一种通过声音判别说话人身份且控制产品运作的技术，该技术有着安全、便捷等优点。
2、传统上的风扇机是由电源线、有线接口、风扇叶片与用户进行交互，但随着时代的进步，衍生出了一系列人工智能的家居。相对于传统的智能风扇机，深度学习算法更有鲁棒性和泛化能力，同时，传统风扇元器件使用频繁，无智能控制权限，则会有其相对的损耗，因此，迫切需要一种轻便、快捷、高效、安全的智能风扇机。
3、虽然国内外都提出了各种通信方法，如蓝牙、红外、wifi、4/5g无线通信等，但是，这类的技术实现无线通信信号具有电磁辐射干扰、带宽受限、安装和人力成本高、系统耗能大，且现有的传统风扇机在深度学习算法和声纹识别技术方面并未深刻的体现，故深度学习算法和声纹技术以及vlc通信技术结合的应用有待进一步的探究。
技术实现思路
1、本专利技术的目的在于克服以上所述技术的不足，本专利技术提供了一种基于深度学习和vlc-树莓派融合声纹识别的智能pcr风扇机，该专利技术不仅具有智能化，且可以快捷方便的风扇调控，同时具有数据传输快、成本廉价、功耗低、无电磁辐射、绿色环保、安全性能高等优点，并且可支持多种自带有发光二极
2、为实现上述目标，本专利技术提出了一种基于深度学习和vlc-树莓派融合声纹识别的智能pcr风扇机，所述专利技术包括：移动通信设备、移动控制系统、中央管控系统、风扇终端；所述移动通信设备、移动控制系统、中央管控系统、风扇终端都是通过可见光vlc技术进行双向通信，也可通过声音识别控制技术进行控制风扇以及结合深度学习算法智能收集用户日常行为语言数据和预测所需风的力度；所述移动通信设备，是客户所持移动设备，以设备自带发光二极管(闪光灯)和麦克风为基准，如智能手机、平板电脑；所述移动控制系统包括android系统和ios系统的应用，主要作用是发送对事先规定的系列加密光信号，以此来实现光通信，传输数据至中央管控系统，并且录制用户声音作为声纹特征传输至云端；所述中央管控系统包括解析数据信号、解密数据、甄别数据、识别声纹、深度学习算法处理数据、传输数据至风扇控制端等。
3、所述移动通信设备为自带的发光二极管、具有光通信功能和麦克风的可便携式移动设备，通过此特点实现点亮led功能和收集用户声音功能。
4、所述移动控制系统是附着在移动通信设备上，通过此系统可实现vlc可见光传输数据功能和录入用户声音功能；进一步地，所述vlc可见光传输数据包括树莓派序列号、规范的操作指令和时间；进一步地，所述树莓派序列号、规范的操作指令和时间是将树莓派序列号通过hash变换后转为32位序列号，再与操作指令和时间进行结合生成新的二进制数据，通过密钥进行0与1的对称加密，最后将其从二进制电信号转换为led光信号；进一步地，所述录入用户声音包括将用户声音进行录入和提取特征后，将特征上传至云端保存到第一数据库声纹清单中。
5、所述中央管控系统包括光通信模块、中央处理器、加密解密模块、声纹识别控制端、温度传感器、深度学习模块、风扇控制端，所述光通信模块、加密解密模块、风扇控制端均与中央处理器连接；进一步地，所述光通信模块是通过无线光学接收器接收光源，并将光信号转为电信号，传送给中央处理器处理；进一步地，所述中央处理器进行判断并分发给加密解密模块；进一步地，所述加密解密模块通过使用密钥进行解密，获取到设备序列号进行对比，从而转到风扇控制端；进一步地，风扇控制端将解密出来的信号，发送pwm指令传送至风扇终端，进行调控电机。所述声纹识别控制端、深度学习模块均与风扇控制端连接；进一步地，所述声纹识别控制模块是通过麦克风收集到用户声音，将用户声音提取相关特征与云端第一数据库声纹清单中的声纹特征数据进行比较，从而判断是否进入智能内部指令库；进一步地，所述智能内部指令库是由基本的控制指令和通过用户日常所说的语言进行深度学习算法收集到的指令，从而由计算机内部发送指令进行控制风扇；进一步地，所述深度学习模块是通过回归算法，将用户日常语言行为习惯与日常风扇运行中的温度进行数据收集和对应，以此来根据当前环境温度进行预测用户喜爱的风扇所运行出来的风力，从而进入智能内部指令库使用相关指令进行对风扇操控，为用户使用pcr提供更好的仪器实验环境；进一步地，所述温度是由温度传感器所采集到的温度数据。
6、所述风扇终端包括无刷电机、风叶；所述无刷电机是跟随pwm的指令进行调节风叶的转动和转速。
7、当使用附着在移动通信设备的自主研发的应用时，当操作允许应用发送相关指令时，设备应用发送由0和1组成的二进制加密指令进行控制设备的led亮和灭，而0和1之间转换是通过控制时间的长短进行转换；所述时间，可达到毫秒级别；所述加密，即是将树莓派序列号通过hash变换后转为32位序列号，再与未加密的操作指令和时间进行结合生成新的二进制数据之后结合密钥使用对称加密算法后成为加密数据；所述未加密的操作指令，即是设备与移动端协定好的协议指令。
8、当中央管控系统的光通信模块接收到光信号时，将加密的光信号数据转为电信号，再由中央管控系统的中央处理器进行调度，解析判别数据分发到加密解密模块；在加密解密模块中，使用密钥进行解析加密的电信号；解析成功后，对比解析出的树莓派序列号是否与本身设备一致，若序列号一致，则再进行判断指令发送时间与当前时间是否在有效时间范围内，若发送指令时间是在有效时间范围内，则会将相应的指令发送到风扇控制端。
9、当数据解析正常后，中央处理器将指令发送至风扇控制端从而控制pwm信号对无刷电机的调用，而无刷电机是跟随pwm信号转动风叶，风扇转动频率由pwm信号控制，从而达到风叶转动速度的调和以及档位的切换目的。
10、当使用附着在移动通信设备的自主研发的应用时，当操作允许设备麦克风运作，录制收集用户声音后，将声音传至声纹录入模块，声纹录入模块将其用户声音特征提取出来，通过后端接口上传于云端，保存至第一声纹数据库中。
11、当通过移动通信设备的麦克风收听到用户声音时，进入中央管控模块中的声纹识别控制模块，声纹识别控制模块将收听到的用户声音进行清洗和声纹特征提取，通过后端接口传至云端服务器与第一声纹数据库进行比较以此判断是否成功进入智能内部指令库；进入智能内部指令库后，使用内部已存在的指令或日常所收集到的指令进入风扇控制端，通过计算机内部实现相关信号控制风扇，并且将用户所需要的风力以及声音指令等数据通过深度学习算法进行优化后保存至智能内部指令库。
12、当中央管控系统树莓派中的温度传感器收集到当前环境温度时，通过深度学习模块使用之前用户日常行本文档来自技高网...
【技术保护点】
1.基于深度学习和VLC-树莓派融合声纹识别的智能PCR风扇机，其特征在于，所述方法包括：
2.如权利要求1所述的通信设备安装特定编码的移动控制APP应用系统，其特征在于，所述的通信设备为智能手机，所述的移动控制APP应用系统包括Android系统和IOS系统的应用。
3.如权利要求1所述的经过对二进制数据进行处理加密后对设备中的LED灯进行控制有频率的闪灯效果，其特征在于，所述对二进制数据加密过程包括：
4.如权利要求1所述的经过麦克风收集声音，将声音特征录入作为声纹，进行上传至云服务器，其特征在于，所述收集声音，将声音特征录入且上传至云服务器过程包括：
5.如权利要求4所述的并从第一声音样本中进行第一声纹特征提取，清洗其中的杂音，其特征在于，使用Tn(x)和K(n)进行对声纹提取、滤波清洗，对于Tn(x)和K(n)已在具体实施方案给出。
6.如权利要求1所述的获取当前温度进入深度学习模块进行预测控制风扇，其特征在于，所述获取当前温度进入深度学习模块进行预测控制风扇过程包括：
7.如权利要求1所述的数据解密
8.如权利要求1所述的基于深度学习和VLC-树莓派融合声纹识别的智能PCR风扇机，其特征在于，所述的中央管控系统还包括电源模块，电源模块与中央处理器相连。
...【技术特征摘要】
1.基于深度学习和vlc-树莓派融合声纹识别的智能pcr风扇机，其特征在于，所述方法包括：
2.如权利要求1所述的通信设备安装特定编码的移动控制app应用系统，其特征在于，所述的通信设备为智能手机，所述的移动控制app应用系统包括android系统和ios系统的应用。
3.如权利要求1所述的经过对二进制数据进行处理加密后对设备中的led灯进行控制有频率的闪灯效果，其特征在于，所述对二进制数据加密过程包括：
4.如权利要求1所述的经过麦克风收集声音，将声音特征录入作为声纹，进行上传至云服务器，其特征在于，所述收集声音，将声音特征录入且上传至云服务器过程包括：
5.如权利要求4所述的...
【专利技术属性】
技术研发人员：姚继承，罗笑南，徐颂华，陈瑞爱，
申请(专利权)人：岭南现代农业科学与技术广东省实验室肇庆分中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。