Resumen

En este trabajo se aplicaron las tecnologías de reconocimiento de voz y RFID para convertir un robot móvil omnidireccional en un robot con funciones de control por voz e introducción de guías. Para el reconocimiento de voz, las señales de voz se capturaron mediante procesamiento de corta duración. En primer lugar, el hablante grabó las palabras aisladas para que el robot creara una base de datos de habla de hablantes específicos. Tras el preprocesamiento del habla de esta base de datos, se obtuvieron los parámetros de cepstrum y delta-cepstrum mediante el coeficiente predictivo lineal (LPC). A continuación, se utilizó el modelo oculto de Markov (HMM) para el entrenamiento del modelo de la base de datos del habla, y se empleó el algoritmo de Viterbi para encontrar una secuencia de estados óptima como muestra de referencia para el reconocimiento del habla. El modelo de referencia entrenado se introdujo en el ordenador industrial de la plataforma robótica, y el usuario introdujo las palabras aisladas que se iban a probar. Tras el procesamiento por el mismo modelo de referencia y la comparación con el modelo de referencia anterior, la ruta de la máxima probabilidad total en varios modelos encontrada mediante el algoritmo de Viterbi en el reconocimiento fue el resultado del reconocimiento. Por último, los sistemas de reconocimiento de voz y RFID se lograron en un entorno real para demostrar su viabilidad y estabilidad, y se implementaron en el robot móvil omnidireccional.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:reconocimiento del habla, robot móvil direccional, base de datos del habla, algoritmo de viterbi, modelo oculto de markov, coeficiente predictivo lineal, probabilidad total máxima, secuencia de estados óptima, modelo de referencia anterior, mismo modelo de referencia
• Keywords:speech recognition, directional mobile robot, speech database, viterbi algorithm, hidden markov model, linear predictive coefficient, maximum total probability, optimal state sequence, previous reference model, same reference model