本發(fā)明涉及智慧視聽設(shè)備多業(yè)務(wù)控制技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制方法及系統(tǒng)。

背景技術(shù)：

隨著物聯(lián)網(wǎng)和人工智能技術(shù)的進(jìn)步,智慧視聽設(shè)備技術(shù)迅速發(fā)展。越來越多的智慧視聽設(shè)備被設(shè)計(jì)生產(chǎn)出來，實(shí)現(xiàn)了各種多媒體視聽業(yè)務(wù)，以滿足人們生活中的不同需求。由不同廠商設(shè)計(jì)生產(chǎn)的設(shè)備有著不同的控制和人機(jī)交互方式。這些設(shè)備可能采用紅外、藍(lán)牙、Z-wave等各種控制方式，以語(yǔ)音、動(dòng)作、觸控等方式實(shí)現(xiàn)人機(jī)交互。智慧視聽設(shè)備控制和人機(jī)交互方式的不統(tǒng)一提高了用戶學(xué)習(xí)使用智慧視聽設(shè)備的門檻，且易造成用戶體驗(yàn)不佳的問題。融合多種業(yè)務(wù)場(chǎng)景、為這些智慧視聽設(shè)備提供一種統(tǒng)一、輕松自然的控制和人機(jī)交互方式是一個(gè)亟待解決的問題。

深度學(xué)習(xí)是人工智能的子領(lǐng)域。近年來，隨著圖形處理器(Graphics Processing Unit，GPU)、云計(jì)算等技術(shù)的進(jìn)步，深度學(xué)習(xí)理論研究取得了突破性進(jìn)展。與此同時(shí)，深度學(xué)習(xí)技術(shù)的引入使得計(jì)算機(jī)視覺、語(yǔ)音識(shí)別等領(lǐng)域突飛猛進(jìn)。這也為智慧視聽設(shè)備控制技術(shù)帶來了新的思路。

現(xiàn)有一種基于音頻和視頻的智能家居自然交互系統(tǒng)[1]，使用麥克風(fēng)和攝像頭采集聲音和圖像信息，使用信息融合模塊進(jìn)行信號(hào)處理，然后使用機(jī)器學(xué)習(xí)方法獲取有用指令，再使用控制信號(hào)發(fā)射模塊發(fā)出控制信號(hào)。

該系統(tǒng)使用語(yǔ)音、手勢(shì)、人臉、動(dòng)作多種等信息來進(jìn)行控制，不能為用戶提供一種簡(jiǎn)單統(tǒng)一的交互方式，造成用戶掌握系統(tǒng)使用的學(xué)習(xí)成本高，用戶體驗(yàn)不佳等問題。其采用傳統(tǒng)機(jī)器學(xué)習(xí)方法來識(shí)別語(yǔ)音、圖像等多媒體信息，使得其識(shí)別率較低，系統(tǒng)健壯性較差。并且其語(yǔ)音、圖像識(shí)別程序運(yùn)行于本地，這增加了用戶的硬件和能源成本。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制方法及系統(tǒng)，可控制多種基于不同控制協(xié)議、實(shí)現(xiàn)多種不同業(yè)務(wù)的智慧視聽設(shè)備，為它們提供一種更統(tǒng)一、更自然的人機(jī)交互和控制的方式。

為了解決上述問題，本發(fā)明提出了一種基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制方法，所述方法包括：

麥克風(fēng)陣列以特定頻率監(jiān)聽采集用戶發(fā)出的語(yǔ)音控制信號(hào)；

語(yǔ)音預(yù)處理模塊對(duì)語(yǔ)音控制信號(hào)進(jìn)行提取，獲得梅爾倒譜系數(shù)(Mel-scale Frequency Cepstral Coefficients，MFCC)原始語(yǔ)音特征信息；檢測(cè)MFCC原始語(yǔ)音特征的對(duì)數(shù)能量是否大于閾值；若是，則由互聯(lián)網(wǎng)連接模塊發(fā)送MFCC原始語(yǔ)音特征信息到遠(yuǎn)程圖形處理器(Graphics Processing Unit，GPU)服務(wù)器；

遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，根據(jù)MFCC原始語(yǔ)音特征信息獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊；

互聯(lián)網(wǎng)連接模塊將控制信號(hào)標(biāo)識(shí)信息傳遞給控制信號(hào)解析模塊，由控制信號(hào)解析模塊根據(jù)控制信號(hào)標(biāo)識(shí)信息生成控制信號(hào)編碼，選擇對(duì)應(yīng)的控制信號(hào)輸出模塊，將控制信號(hào)編碼傳遞給該控制信號(hào)輸出模塊；

控制信號(hào)輸出模塊根據(jù)控制信號(hào)編碼發(fā)送控制信號(hào)給智慧視聽設(shè)備。

優(yōu)選地，所述語(yǔ)音預(yù)處理模塊對(duì)語(yǔ)音控制信號(hào)進(jìn)行提取，獲得MFCC原始語(yǔ)音特征信息的步驟，包括：

對(duì)語(yǔ)音控制信號(hào)進(jìn)行端點(diǎn)檢測(cè)及分割處理；

對(duì)分割處理后的語(yǔ)音控制信號(hào)進(jìn)行降噪處理；

對(duì)降噪處理后的語(yǔ)音控制信號(hào)進(jìn)行MFCC原始語(yǔ)音特征提取，獲得MFCC原始語(yǔ)音特征信息。

優(yōu)選地，所述遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息的步驟，包括：

遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，啟動(dòng)深度學(xué)習(xí)語(yǔ)音識(shí)別程序，采用雙向長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory，biLSTM)算法對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息。

優(yōu)選地，所述遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，根據(jù)MFCC原始語(yǔ)音特征信息獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊的步驟，包括：

遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊；

遠(yuǎn)程GPU服務(wù)器對(duì)深度語(yǔ)音特征信息進(jìn)行分類，得到該深度語(yǔ)音特征信息對(duì)應(yīng)的類別，并檢測(cè)該類別是否對(duì)應(yīng)一種控制信號(hào)標(biāo)識(shí)；若是，返回控制信號(hào)標(biāo)識(shí)信息給互聯(lián)網(wǎng)連接模塊。

相應(yīng)地，本發(fā)明還提供一種基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制系統(tǒng)，所述系統(tǒng)包括：麥克風(fēng)陣列、語(yǔ)音預(yù)處理模塊、遠(yuǎn)程GPU服務(wù)器、互聯(lián)網(wǎng)連接模塊、控制信號(hào)解析模塊、控制信號(hào)輸出模塊；其中，

麥克風(fēng)陣列以特定頻率監(jiān)聽采集用戶發(fā)出的語(yǔ)音控制信號(hào)；

語(yǔ)音預(yù)處理模塊對(duì)語(yǔ)音控制信號(hào)進(jìn)行提取，獲得MFCC原始語(yǔ)音特征信息；檢測(cè)MFCC原始語(yǔ)音特征的對(duì)數(shù)能量是否大于閾值；若是，則由互聯(lián)網(wǎng)連接模塊發(fā)送MFCC原始語(yǔ)音特征信息到遠(yuǎn)程GPU服務(wù)器；

遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，根據(jù)MFCC原始語(yǔ)音特征信息獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊；

互聯(lián)網(wǎng)連接模塊將控制信號(hào)標(biāo)識(shí)信息傳遞給控制信號(hào)解析模塊，由控制信號(hào)解析模塊根據(jù)控制信號(hào)標(biāo)識(shí)信息生成控制信號(hào)編碼，選擇對(duì)應(yīng)的控制信號(hào)輸出模塊，將控制信號(hào)編碼傳遞給該控制信號(hào)輸出模塊；

控制信號(hào)輸出模塊根據(jù)控制信號(hào)編碼發(fā)送控制信號(hào)給智慧視聽設(shè)備。

優(yōu)選地，所述語(yǔ)音預(yù)處理模塊包括：

分割單元，用于對(duì)語(yǔ)音控制信號(hào)進(jìn)行端點(diǎn)檢測(cè)及分割處理；

降噪單元，用于對(duì)分割處理后的語(yǔ)音控制信號(hào)進(jìn)行降噪處理；

提取單元，用于對(duì)降噪處理后的語(yǔ)音控制信號(hào)進(jìn)行MFCC原始語(yǔ)音特征提取，獲得MFCC原始語(yǔ)音特征信息。

優(yōu)選地，所述遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，啟動(dòng)深度學(xué)習(xí)語(yǔ)音識(shí)別程序，采用biLSTM算法對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息。

優(yōu)選地，遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊；

遠(yuǎn)程GPU服務(wù)器對(duì)深度語(yǔ)音特征信息進(jìn)行分類，得到該深度語(yǔ)音特征信息對(duì)應(yīng)的類別，并檢測(cè)該類別是否對(duì)應(yīng)一種控制信號(hào)標(biāo)識(shí)；若是，返回控制信號(hào)標(biāo)識(shí)信息給互聯(lián)網(wǎng)連接模塊。

實(shí)施本發(fā)明實(shí)施例，可使用自然語(yǔ)音控制多種基于不同控制協(xié)議、實(shí)現(xiàn)多種不同業(yè)務(wù)的智慧視聽設(shè)備，為智慧視聽設(shè)備提供一種統(tǒng)一、自然、高效、低成本的人機(jī)交互方式；同時(shí)將復(fù)雜的深度學(xué)習(xí)任務(wù)部署在遠(yuǎn)程服務(wù)器上，降低了用戶的硬件和能源成本，為用戶提供高性能、低成本的智慧視聽設(shè)備語(yǔ)音控制指令識(shí)別服務(wù)，提高智慧視聽設(shè)備語(yǔ)音控制指令的識(shí)別準(zhǔn)確率。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1是本發(fā)明實(shí)施例的基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制方法的流程示意圖；

圖2是本發(fā)明實(shí)施例中深度學(xué)習(xí)語(yǔ)音識(shí)別模型的示意圖；

圖3是本發(fā)明實(shí)施例的基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制及系統(tǒng)的結(jié)構(gòu)組成示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1是本發(fā)明實(shí)施例的基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制方法的流程示意圖，如圖1所示，該方法包括：

S1，麥克風(fēng)陣列以特定頻率監(jiān)聽采集用戶發(fā)出的語(yǔ)音控制信號(hào)；

S2，語(yǔ)音預(yù)處理模塊對(duì)語(yǔ)音控制信號(hào)進(jìn)行提取，獲得MFCC原始語(yǔ)音特征信息；檢測(cè)MFCC原始語(yǔ)音特征的對(duì)數(shù)能量是否大于閾值；若是，則由互聯(lián)網(wǎng)連接模塊發(fā)送MFCC原始語(yǔ)音特征信息到遠(yuǎn)程GPU服務(wù)器；若否，則返回S1；

S3，遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，根據(jù)MFCC原始語(yǔ)音特征信息獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊；

S4，互聯(lián)網(wǎng)連接模塊將控制信號(hào)標(biāo)識(shí)信息傳遞給控制信號(hào)解析模塊，由控制信號(hào)解析模塊根據(jù)控制信號(hào)標(biāo)識(shí)信息生成控制信號(hào)編碼，選擇對(duì)應(yīng)的控制信號(hào)輸出模塊，將控制信號(hào)編碼傳遞給該控制信號(hào)輸出模塊；

S5，控制信號(hào)輸出模塊根據(jù)控制信號(hào)編碼發(fā)送控制信號(hào)給智慧視聽設(shè)備。

在語(yǔ)音預(yù)處理模塊對(duì)語(yǔ)音控制信號(hào)進(jìn)行提取，獲得MFCC原始語(yǔ)音特征信息的過程中，包括：

對(duì)語(yǔ)音控制信號(hào)進(jìn)行端點(diǎn)檢測(cè)及分割處理；

對(duì)分割處理后的語(yǔ)音控制信號(hào)進(jìn)行降噪處理；

對(duì)降噪處理后的語(yǔ)音控制信號(hào)進(jìn)行MFCC原始語(yǔ)音特征提取，獲得MFCC原始語(yǔ)音特征信息。

具體地，在S3中，遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，啟動(dòng)深度學(xué)習(xí)語(yǔ)音識(shí)別程序，采用biLSTM算法對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息。

進(jìn)一步地，遠(yuǎn)程GPU服務(wù)器接收到MFCC原始語(yǔ)音特征信息，對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊；

遠(yuǎn)程GPU服務(wù)器對(duì)深度語(yǔ)音特征信息進(jìn)行分類，得到該深度語(yǔ)音特征信息對(duì)應(yīng)的類別，并檢測(cè)該類別是否對(duì)應(yīng)一種控制信號(hào)標(biāo)識(shí)；若是，返回控制信號(hào)標(biāo)識(shí)信息給互聯(lián)網(wǎng)連接模塊；若否，則返回錯(cuò)誤標(biāo)識(shí)給互聯(lián)網(wǎng)連接模塊。

在本發(fā)明實(shí)施例中，如圖2所示，深度學(xué)習(xí)語(yǔ)音識(shí)別模型的主體結(jié)構(gòu)包括由一個(gè)正向長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)和一個(gè)反向長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)組成的biLSTM、一個(gè)Softmax分類器。該深度學(xué)習(xí)語(yǔ)音識(shí)別模型的輸入發(fā)送自本地互聯(lián)網(wǎng)連接單元MFCC語(yǔ)音特征，其輸出是T+1個(gè)類別標(biāo)識(shí)符。這些類別標(biāo)識(shí)符包括T個(gè)與本系統(tǒng)支持的控制信號(hào)一一對(duì)應(yīng)的類別，以及一個(gè)Default類別。如果模型輸出Default類別，說明該MFCC語(yǔ)音特征無(wú)法對(duì)應(yīng)一種對(duì)智慧視聽設(shè)備的控制信號(hào)。深度學(xué)習(xí)語(yǔ)音識(shí)別模型由其訓(xùn)練生成階段預(yù)先產(chǎn)生，而后被部署與遠(yuǎn)程GPU服務(wù)器上為用戶提供智慧視聽設(shè)備語(yǔ)音控制指令識(shí)別服務(wù)。

在具體實(shí)施中，深度學(xué)習(xí)語(yǔ)音識(shí)別模型的訓(xùn)練生成過程如下：

第一步：根據(jù)所需支持的智慧視聽設(shè)備種類和這些設(shè)備實(shí)現(xiàn)的業(yè)務(wù)功能，模擬真實(shí)的設(shè)備使用情境，使用麥克風(fēng)陣列收集大量語(yǔ)音片段；

第二步：人工標(biāo)注這些語(yǔ)音片段對(duì)應(yīng)的控制信號(hào)類別；

第三步：使用語(yǔ)音預(yù)處理模塊對(duì)所有語(yǔ)音片段提取MFCC語(yǔ)音特征，得到已標(biāo)記控制語(yǔ)音特征數(shù)據(jù)集；

第四步：數(shù)據(jù)集劃分，取上述已標(biāo)記控制語(yǔ)音特征數(shù)據(jù)集中一定量的數(shù)據(jù)組成訓(xùn)練數(shù)據(jù)集，即Training Set，一定量的數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)集，即Validation Set；

第五步：隨機(jī)初始化深度學(xué)習(xí)語(yǔ)音識(shí)別模型中的所有參數(shù)；

第六步：以訓(xùn)練數(shù)據(jù)集為輸入，執(zhí)行深度學(xué)習(xí)正向傳播過程；

第七步：采用時(shí)間反向傳播(Back Propagation Through Time，BPTT)方法執(zhí)行深度學(xué)習(xí)反向傳播過程，更新深度學(xué)習(xí)語(yǔ)音模型中的所有參數(shù)；

第八步：若執(zhí)行周期到達(dá)驗(yàn)證周期，則使用驗(yàn)證數(shù)據(jù)集驗(yàn)證當(dāng)前的深度學(xué)習(xí)語(yǔ)音識(shí)別模型；

第九步：若達(dá)到訓(xùn)練的停止條件則停止訓(xùn)練，否則返回第六步。該停止條件可以是訓(xùn)練次數(shù)達(dá)到一定值，或驗(yàn)證誤差小于一定值。

相應(yīng)地，本發(fā)明實(shí)施例還提供一種基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制系統(tǒng)，如圖3所示，該系統(tǒng)包括：麥克風(fēng)陣列1、語(yǔ)音預(yù)處理模塊2、遠(yuǎn)程GPU服務(wù)器3、互聯(lián)網(wǎng)連接模塊4、控制信號(hào)解析模塊5、控制信號(hào)輸出模塊6；其中，

麥克風(fēng)陣列1以特定頻率監(jiān)聽采集用戶發(fā)出的語(yǔ)音控制信號(hào)；

語(yǔ)音預(yù)處理模塊2對(duì)語(yǔ)音控制信號(hào)進(jìn)行提取，獲得MFCC原始語(yǔ)音特征信息；檢測(cè)MFCC原始語(yǔ)音特征的對(duì)數(shù)能量是否大于閾值；若是，則由互聯(lián)網(wǎng)連接模塊4發(fā)送MFCC原始語(yǔ)音特征信息到遠(yuǎn)程GPU服務(wù)器3；

遠(yuǎn)程GPU服務(wù)器3接收到MFCC原始語(yǔ)音特征信息，根據(jù)MFCC原始語(yǔ)音特征信息獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊4；

互聯(lián)網(wǎng)連接模塊4將控制信號(hào)標(biāo)識(shí)信息傳遞給控制信號(hào)解析模塊5，由控制信號(hào)解析模塊5根據(jù)控制信號(hào)標(biāo)識(shí)信息生成控制信號(hào)編碼，選擇對(duì)應(yīng)的控制信號(hào)輸出模塊6，將控制信號(hào)編碼傳遞給該控制信號(hào)輸出模塊6；

控制信號(hào)輸出模塊6根據(jù)控制信號(hào)編碼發(fā)送控制信號(hào)給智慧視聽設(shè)備。

在本發(fā)明實(shí)施例中，麥克風(fēng)陣列1實(shí)時(shí)采集用戶發(fā)出的語(yǔ)音信號(hào)，并將語(yǔ)音信號(hào)發(fā)送給語(yǔ)音預(yù)處理模塊2。

語(yǔ)音預(yù)處理模塊2負(fù)責(zé)對(duì)語(yǔ)音信號(hào)進(jìn)行端點(diǎn)檢測(cè)、降噪處理、以及MFCC原始語(yǔ)音特征提取操作。

互聯(lián)網(wǎng)連接模塊4負(fù)責(zé)與遠(yuǎn)程GPU服務(wù)器3建立網(wǎng)絡(luò)連接、發(fā)送MFCC原始語(yǔ)音特征信息到遠(yuǎn)程GPU服務(wù)器3、接收來自遠(yuǎn)程GPU服務(wù)器3的反饋消息。

控制信號(hào)解析模塊5負(fù)責(zé)解析來自遠(yuǎn)程GPU服務(wù)器3的反饋消息，根據(jù)消息內(nèi)容啟用對(duì)應(yīng)的控制信號(hào)輸出模塊6，或進(jìn)行錯(cuò)誤處理。

控制信號(hào)輸出模塊6有多個(gè)，每個(gè)控制信號(hào)輸出單元安裝了支持一種無(wú)線通信方式的硬件，負(fù)責(zé)控制基于該無(wú)線通信方式的所有智慧視聽設(shè)備。這些無(wú)線通信方式包括紅外、藍(lán)牙、Z-wave等。

遠(yuǎn)程GPU服務(wù)器3為用戶提供智慧視聽設(shè)備語(yǔ)音控制指令識(shí)別服務(wù)。

進(jìn)一步地，語(yǔ)音預(yù)處理模塊2包括：

分割單元，用于對(duì)語(yǔ)音控制信號(hào)進(jìn)行端點(diǎn)檢測(cè)及分割處理；

降噪單元，用于對(duì)分割處理后的語(yǔ)音控制信號(hào)進(jìn)行降噪處理；

提取單元，用于對(duì)降噪處理后的語(yǔ)音控制信號(hào)進(jìn)行MFCC原始語(yǔ)音特征提取，獲得MFCC原始語(yǔ)音特征信息。

遠(yuǎn)程GPU服務(wù)器3接收到MFCC原始語(yǔ)音特征信息，啟動(dòng)深度學(xué)習(xí)語(yǔ)音識(shí)別程序，采用biLSTM算法對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息。

遠(yuǎn)程GPU服務(wù)器3接收到MFCC原始語(yǔ)音特征信息，對(duì)MFCC原始語(yǔ)音特征信息進(jìn)行深度語(yǔ)音特征提取，獲得深度語(yǔ)音特征信息，并將深度特征信息對(duì)應(yīng)的控制信號(hào)標(biāo)識(shí)信息發(fā)送給互聯(lián)網(wǎng)連接模塊4；

遠(yuǎn)程GPU服務(wù)器3對(duì)深度語(yǔ)音特征信息進(jìn)行分類，得到該深度語(yǔ)音特征信息對(duì)應(yīng)的類別，并檢測(cè)該類別是否對(duì)應(yīng)一種控制信號(hào)標(biāo)識(shí)；若是，返回控制信號(hào)標(biāo)識(shí)信息給互聯(lián)網(wǎng)連接模塊4。

具體地，本發(fā)明實(shí)施例的系統(tǒng)相關(guān)功能模塊的工作原理可參見方法實(shí)施例的相關(guān)描述，這里不再贅述。

實(shí)施本發(fā)明實(shí)施例，可使用自然語(yǔ)音控制多種基于不同控制協(xié)議、實(shí)現(xiàn)多種不同業(yè)務(wù)的智慧視聽設(shè)備，為智慧視聽設(shè)備提供一種統(tǒng)一、自然、高效、低成本的人機(jī)交互方式；同時(shí)將復(fù)雜的深度學(xué)習(xí)任務(wù)部署在遠(yuǎn)程服務(wù)器上，降低了用戶的硬件和能源成本，為用戶提供高性能、低成本的智慧視聽設(shè)備語(yǔ)音控制指令識(shí)別服務(wù)，提高智慧視聽設(shè)備語(yǔ)音控制指令的識(shí)別準(zhǔn)確率。

本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，存儲(chǔ)介質(zhì)可以包括：只讀存儲(chǔ)器(ROM，Read Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁盤或光盤等。

另外，以上對(duì)本發(fā)明實(shí)施例所提供的基于深度學(xué)習(xí)的智慧視聽設(shè)備多業(yè)務(wù)控制方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。