室内服务机器人人机交互对象语音识别实验

以人机交互系统中特定对象语音识别功能实验为典型案例,采用引入过减因子与谱下限的谱减法进行含噪语音信号的增强降噪,以混合高斯-通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)为基础,基于梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)特征进行语音对象识别,并部署端到端的深度神经网络普通话语音识别模块,完成综合创新性实验教学任务和创新拓展实践训练。实验表明,部署上述模块的服务机器人能在平均0.896 s时间内准确完成整个流程,证明了设计方案的可行性与有效性。