【作者】 王峰；

【导师】 王鹏； 谭庆吉；

【作者基本信息】 哈尔滨理工大学 ， 工程硕士（专业学位）， 2020， 硕士

【摘要】 随着我国人口老龄化问题的不断加剧以及人民群众对高品质生活的全面诉求,利用服务类机器人替代人力完成相对琐碎、繁重的工作已经是必然趋势。而迎宾机器人是服务类机器人中应用最普遍且最有成效的,它的功能就是对到访客人进行及时接待,这就要求它不仅具有友好的外形特征而且能够快速反应、语言准确。因此,在嘈杂环境下设计语音迎宾机器人头部系统时,必须达到头部造型具有趣味性、控制系统实时性好、语音识别精度高。这些核心技术就是系统的关键。主要工作及创新有以下四个部分:首先,迎宾机器人头部结构分析:通过分析迎宾机器人头部特点及功能分区,总结出迎宾机器人头部各个功能分区的关节配置方式,优化出迎宾机器人头部的结构模型。根据头部的结构模型建立相应的运动方程,对迎宾机器人头部的各个功能分区进行运动过程分析及设计,将各部分装置组合,并进行运动仿真。并针对嘈杂环境下的工作场景进行各模块位置的调试验证。其次,迎宾机器人语音模块设计:依据迎宾场景下客户角度的实际开发需求,针对嘈杂迎宾环境工作特点设计了迎宾机器人语音系统总体框架。进一步地,对语音硬件电路各部分细节进行设计,并对语音系统时序进行读、写控制设计进行时序仿真,得到相应仿真结果,验证了语音系统的有效性。再次,迎宾机器人语音信号预处理策略:由于嘈杂迎宾环境下常存在会引起短时能量或者短时平均过零率很高的突发噪声,而面对此类噪声通用的端点检测算法往往会提取更多的噪声,不能达到理想识别效果;本文提出一种基于改进的语音预处理算法,进行迎宾场景下用户语音信息的准确识别。最后,嘈杂环境下的迎宾机器人语音识别:研究了语音识别的具体流程,总结出此流程中语言模型建立的突出作用。并分析了建立语言模型的通用方法应用于迎宾领域存在的弊端,本文采用基于递归神经网络替代经典的N-Gram模型,并进一步针对特定迎宾场景语料库训练得来的语言模型泛化能力较弱的问题,提出一种基于迎宾场景和通用领域的混合语言模型,通过补充领域模型与迎宾场景的语言模型相融合,以此实现迎宾场景下语音识别的泛化能力和鲁棒性能。更多还原