微波探測高智能茶幾

通常設置人體離開感應范圍區(qū)，一分鐘自動關閉電源，來控制使用中的電器工作。對中途有事離開現(xiàn)場疏忽忘記關閉加熱裝置，或是小孩玩耍誤操作后離開現(xiàn)場，不但無形中可控制電力資源浪費，而且對干燒輕則損壞電器，重則引起火災，釀成財產(chǎn)損失與傷亡事故可得到更有效的。本實用新型科技產(chǎn)品具有：科技含量高、可靠性強﹑安全方便，智能節(jié)能、況且能夠真正的降低安全隱患新型科技產(chǎn)品。

智能茶幾原理

一般的模式識別包括預處理，特征提取，模式匹配等基本模塊。如圖所示首先對輸入語音進行預處理，其中預處理包括分幀，加窗，預加重等。其次是特征提取，因此選擇合適的特征參數(shù)尤為重要。常用的特征參數(shù)包括：基音周期，共振峰，短時平均能量或幅度，線性預測系數(shù)（LPC），感知加權(quán)預測系數(shù)（PLP），短時平均過零率，線性預測倒譜系數(shù)（LPCC），自相關函數(shù)，梅爾倒譜系數(shù)（MFCC），小波變換系數(shù)，經(jīng)驗模態(tài)分解系數(shù)（EMD），伽馬通濾波器系數(shù)（GFCC）等。在進行實際識別時，要對測試語音按訓練過程產(chǎn)生模板，根據(jù)失真準則進行識別。常用的失真準則有歐式距離，協(xié)方差矩陣與貝葉斯距離等。

從語音識別算法的發(fā)展來看，語音識別技術(shù)主要分為三大類，類是模型匹配法，包括矢量量化(VQ) 、動態(tài)時間規(guī)整(DTW)等；第二類是概率統(tǒng)計方法，包括高斯混合模型(GMM) 、隱馬爾科夫模型(HMM)等；第三類是辨別器分類方法，如支持向量機(SVM) 、人工神經(jīng)網(wǎng)絡(ANN)和深度神經(jīng)網(wǎng)絡（DNN）等以及多種組合方法。

語音識別中，由于語音信號的隨機性，即使同一個人發(fā)的同一個音，只要說話環(huán)境和情緒不同，時間長度也不盡相同，因此時間規(guī)整是的。DTW是一種將時間規(guī)整與距離測度有機結(jié)合的非線性規(guī)整技術(shù)，在語音識別時，需要把測試模板與參考模板進行實際比對和非線性伸縮，并依照某種距離測度選取距離小的模板作為識別結(jié)果輸出。動態(tài)時間規(guī)整技術(shù)的引入，將測試語音映射到標準語音時間軸上，使長短不等的兩個信號通過時間軸彎折達到一樣的時間長度，進而使得匹配差別小，結(jié)合距離測度，得到測試語音與標準語音之間的距離。