CHƯƠNG 1: TONG QUAN 1. GIỚI THIỆU ĐÈ TÀI Tự động hóa nhà với điều khiển bằng giọng nói có thể đạt được hiệu suất cao trong môi trường không có tiếng ồn. Tuy nhiên, hiệu suất như vậy giảm đáng kể trong tình trạng nhiều cư dân hoặc trong môi trường ồn ào nói chung. Trong trường hợp này, nhà thông minh cần giải quyết các van đề xác định cư dân theo một cách nào đó.
Nó đòi hỏi t số cách tiếp cận thích hợp cho các ứng dụng nhà thông minh đề giải quyết vấn đề xác định các cư dân. Nhận dạng giọng nói là một phương thức sinh trắc học sử dụng các đặc điêm của giọng nói (sinh trắc học giọng nói) để xác định một người trong ngôi nhà thông minh. Do đó, nghiên cứu này xây dựng một mô hình trên nền tảng IoT sử dụng sinh trắc học giọng nói như một phương tiện xác định các cá nhân dé điều khién các thiết bị thông minh trong môi trường én ào. Đồng thời kết quả của nghiên cứu này sẽ cung cấp nền tảng cho việc nghiên cứu và dự đoán hành vi của con người.
LY DO CHỌN DE TÀI Thách thức của những ngôi nhà thông minh hiện đại là làm thé nào dé tạo ra một môi trường thông minh cho nhiều cư dân, điều này là vô cùng khó khăn do sự phức tạp của việc xác định các cá nhân [26]. Một trong những giải pháp khả thi là sử dụng sinh trắc học giọng nói duy nhất giữa mọi người dé xác định cư dân bên trong môi trường nhà thông minh. Hơn thế nữa, nghiên cứu cho phép hệ thống đưa ra các quyết định thông minh và điều khiển các thiết bị cuối dựa trên cư dan hiện tại. Tuy nhiên, điều này thực sự khó khăn khi thực hiện các hoạt động trong môi trường có nhiều người mà không có xác nhận cụ thẻ cá nhân.
Đã có một số nghiên cứu thông minh trong môi trường nhiều người. Dé nhận ra hoạt động của nhiều cư dan, các mô hình trình tự được sử dụng. để thực hiện dự đoán theo thời gian, được gọi là mô hình thời gian. Các thuật toán trí tuệ nhân tạo trong học máy như mạng Bayes và mạng nơ-ron được nghiên cứu.
Các mô hình 11 đã được nghiên cứu như Mô hình Markov an (Hidden Markov Model - HMM) va truong ngẫu nhiên có điều kiện (Conditional Random Field). Bên cạnh đó, các mô hình phi thời gian cũng được giới thiệu để xác định các hoạt động được mô hình hóa của nhiều cư dân. Cách tiếp cận này khám phá các tập dữ liệu về ảnh được thu thập từ các gia đình trong một khoảng thời gian nhất định để ngụ ý dự đoán hoạt động. Cả hai phương pháp tiếp cận theo thời gian và phi thời gian đều sử dụng các đặc trưng thời gian làm đầu vào.
Tuy nhiên, vì các mô hình này được kiểm tra bằng cách sử dụng các bộ dữ liệu khác nhau, nên rất khó đề đạt được so sánh về hiệu.MỤC TIÊU TỎNG QUÁT Đề xuất một hệ thống nhà thông minh sử dụng sinh trắc học giọng nói dé xác định cá nhân. Nghiên cứu hiện thực một thiết bị nhận dạng giọng nói để điều khiển các thiết bị thông minh. Nghiên cứu ứng dụng mô hình mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) nâng cao tính chính xác của nhận dạng trong môi trường nhiều người.MỤC TIÊU CỤ THÊ Nghiên cứu đề xuất một giải pháp nhà thông minh ứng dụng công nghệ IoT sử dụng sinh trắc học giọng nói để xác định cá nhân: - Giải pháp IoT cho nhà thông minh - Giải pháp cho thiết bị đầu cuối điều khiển bằng giọng nói. Nghiên cứu thiết kế và tích hợp giải thuật hệ số công suất cepstral (Power- Normalized Cepstral Coefficients - PNCC) có thể xác định người sử dụng nhà thông minh bằng cách sử dụng sinh trắc học bằng giọng nói.
Cụ thé: xử lý lọc nhiễu môi trường âm thanh giọng nói của người trong nhà thông minh đê xác minh từ word work trước khi điều khiển (trong luận văn này là từ Nguyên) 12 Xây dựng tập dữ liệu giọng nói với các từ sử dụng trong nhà thông minh và thực hiện huấn luyện dữ liệu bằng mô hình ANN hiện thực trên thiết bị nhúng. “Thực hiện rút trích đặc trưng giọng nói của người sử dụng nhà thông minh sử dụng giải thuật PNCC và mô hình ANN. Nhận dạng giọng nói tiếng Việt ứng dụng trong nhà thông minh. Có thể điều khiển các thiết bị thông minh bằng tiếng Việt.
Độ chính xác của nhận diện người trong nhà trên 90%. Nhận dang các lệnh dé điều khiển các thiết bị trong nhà qua hệ thống nhúng có độ chính xác trên 90% 1. ĐÓI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU Nghiên cứu này giới thiệu sử dụng sinh trắc học giọng nói như một phương tiện nhận dang cho các ứng dụng nhà thông minh. Cu thể, cơ sở dữ liệu được học viên thu thập dữ liệu bằng cách ghi âm từ 350 người Việt Nam đọc khác nhau.
Gồm 140 người đọc là nam và 160 người đọc là nữ, độ tuổi từ 15 đến 17 tuổi, đến từ Bình Thuận. Mỗi người đọc ghi âm bằng điện thoại di động của các hãng khác nhau, ghi âm trong điều kiện môi trường không có nhiễu hoặc nhiễu ít. Mỗi file chứa các câu lệnh điều khién thiết bị và tên của chủ nhà như sau: Loại từ Tên Dữ liệu Thời gian Từ đơn Nguyên 370 file 370 giây Từ điều khién | Bật đèn phòng ngủ 310 file mỗi câu | 12400 giây. thiết bị Tắt đèn phòng ngủ Tổng: 6200 file Bật đèn phòng khách Tắt đèn phòng khách Bật đèn nhà bếp Tắt đèn nhà bếp Bật tivi phòng khách Tắt tivi phòng khách 13 Bật tivi phòng ngủ Tắt tivi phòng ngủ Bật quạt phòng ngủ Tắt quạt phòng ngủ Bật quạt phòng khách Tắt quạt phòng khách Bật máy lạnh phòng ngủ Tat máy lạnh phòng ngủ.
Bật máy lạnh phòng khách Tắt máy lạnh phòng khách Tập dữ liệu được phân chia thành các thư mục khác nhau với các mục đích khác nhau. Hệ thống được huấn luyện với các mục đích: xác định người trong nhà và cho phép người trong nhà sau khi được xác định điều khién thiết bị trong nhà. Sau đó tập dit liệu được chia thành ba phần, bao gồm 80% tập huấn luyện, 10% tập đánh giá, 10% thử nghiệm. Mỗi tập con của một tập âm thanh được phân loại là từ khóa đã xác định trước được gán các nhãn tương ứng.
14 CHƯƠNG 2: CÁC NGHIÊN CỨU VÀ HƯỚNG TIẾP CẬN LIÊN QUAN 2. TÌNH HÌNH NGHIÊN CỨU CỦA CÁC TÁC GIẢ TRONG NƯỚC 2. Nghiên cứu nhận dạng giọng nói Tiếng Việt sử dụng bộ công cụ Kaldi Hệ thống nhận dạng giọng nói tiếng Việt [12] sử dụng bộ công cụ Kaldi. Trong nghiên cứu này, nhóm tác giả đã thu thập một kho ngữ liệu trong hơn mười lăm giờ từ khoảng năm mươi người Việt Nam và sử dụng nó đề kiểm tra tính khả thi của nghiên cứu.
Tác giả đề xuất một từ điển phát âm dựa trên giọng nói. Dé đơn giản hóa công thức, tác giả bỏ qua vai trò và vị trí của mỗi thành phan trong âm tiết và chỉ xác định hai loại âm vị: phụ âm và nguyên âm. Một phụ âm có thể là một hoặc tối đa ba ký tự (thay vì một ký tự như bộ điện thoại grapheme) trong khi một nguyên âm là một nguyên âm chuẩn với một âm tương ứng. Trong cách thiết lập này, mỗi biến thể âm sắc của một nguyên âm được coi là các âm vị khác nhau không có mối liên hệ nào.
Đề lấy lại thông tin về âm, có thể sử dụng thêm các câu hỏi để xây dựng cây quyết định ngữ âm. Nhận dạng người trong nhà thông minh bằng Sinh trắc học giọng nói Nghiên cứu này giới thiệu việc sử dụng sinh trắc học giọng nói [22] như một phương tiện dé xác định các cá nhân. Tự động hóa nhà với điều khiển bằng giọng nói có thể đạt được mức hiệu suất cao trong môi trường thực tế. Tuy nhiên, hiệu suất như vậy giảm đáng ké trong tình huống nhiều cư dan.
Trong trường hợp này, ngôi nhà thông minh cần giải quyết các vấn đề về xác định cư dân theo cách nảo đó. Nhận dạng người nói hoặc nhận dạng giọng nói là một phương thức sinh trắc học sử dụng các đặc điểm của giọng nói (sinh trắc học giọng nói) để xác định một người. Nhận dạng giọng nói là một lựa chọn phô biên dé xác định các cá nhân do sự sẵn có của các công cụ để thu thập các mẫu giọng nói và tính dễ tích hợp của nó. Thách thức của những ngôi nhà thông minh hiện đại là làm thế nào dé tạo ra một môi trường thông minh cho.
nhiều cư dân, điều này là vô cùng khó khăn do sự phức tap của việc xác định các cá nhân. Một trong những giải pháp khả thi là sử dụng sinh 15 trắc học giọng nói duy nhất giữa mọi người để xác định cư dân bên trong môi trường nhà thông minh. Do đó, nghiên cứu này giới thiệu việc sử dụng sinh trắc học giọng nói như một phương tiện để xác định cư dân trong nhà thông minh. Trong nghiên cứu này, việc xác định người nói không phụ thuộc vào văn bản và tập hợp mở với ngưỡng thích ứng sẽ được đề xuất và đánh giá.
Nhận dạng giọng nói tiếng Việt cho Tự động hóa tại nhà sử dụng phương pháp trích xuất đặc trưng MECC và kĩ thuật DTW Tự động hóa nhà với nhận dạng giọng nói có thể đạt được mức hiệu suất cao trong môi trường thế giới thực [23]. Tuy nhiên, hiệu suất như vậy giảm đáng kẻ trong điều kiện nhiễu không phù hợp. Dé giải quyết van dé này, tác giả và cộng sự đề xuất một phương pháp cải tiến dé chiết xuất Hệ số bề mặt tần số Mel giúp tăng độ chính xác lên đến 20% so với phương pháp truyền thống. Bài báo này mô tả một cách tiếp cận nhận dạng giọng nói để tự động hóa gia đình bằng tiếng Việt bằng cách sử dụng cải tiến hệ số Mel (Mel-frequency cepstral coefficients - MFCC) và phương pháp lập trình động (Dynamic Time Warping - DTW).
Nhận dang giọng nói là quá trình tự động nhận dang lời nói của một người dựa trên thông tin trong tín hiệu giọng nói. Tham s6 dựa trên quang phô phổ biến nhất được sử dụng trong phương pháp tiếp cận nhận dạng là Hệ số quang phỏ tần số Mel được gọi là MFCC. MFCC là các hệ , được trích xuất từ tín hiệu giọng nói của lời nói. Để đối phó với các tốc độ nói khác nhau trong nhận dạng giọng nói Dynamic Time Warping (DTW) được sử dụng.