智能家居語音控制系統發展展望

英 釗， 買永鋒， 王艷敏

(哈爾濱工業大學，哈爾濱150001)

0 引言

自21世紀以來，隨著物聯網技術、網絡技術、信息技術等的高速發展，智能化設備也逐漸飛入尋常百姓家。更加智能化的、人性化的設備給予了每個人更加舒適、便捷的生活體驗。智能設備成本的降低，使智能化設備逐漸走入人們日常生產生活的方方面面。

傳統的智能化控制方式往往是基于PC端的操作界面進行的合理控制，且需要較復雜的布線與連接。這不僅對智能化設備的安裝和使用有較高要求，且不利于智能化家居設備的廣泛應用。相較于傳統的控制方式，由語音控制的智能系統也對家居設備的生產及使用產生了巨大變革。一方面對比于長時間的了解控制面板，語音控制不僅更加方便快捷，能夠適應更多人群得到更加廣泛的應用；另一方面，語音作為一種最自然的人機接口，有比觸控或手勢更加便捷的免持操作特性。因此，語音控制讓物聯網逐漸成為智能家居不可或缺的一部分，基于物聯網的智能家居漸漸成為家居市場的主流。

以Apple智能手機為代表的siri率先提出了語音控制的概念，而隨后智能語音控制技術蓬勃快速發展，Amazon Echo智能音箱設備成為除手機之外，讓語音助理作用于控制智能家居設備的第一批裝置。而以Google、Microsoft等為代表的互聯網巨頭也相繼跟進，探索語音控制技術在智能化家居設備的應用。2018年家電展中可見，一般的智能家居產品(例如電燈、電視、音樂播放器等設備)基本都能通過語音控制實現其功能。通過聯網工作，其自身甚至還可以通過Alexa、Google或Siri被控制。當然，語音控制技術發展過程中，難以避免會遇到瓶頸。當前的技術進展多處于應用階層，很多產品達不到高智能水平，且在強噪聲干擾和遠場識別方面存在不小的挑戰。

1 智能家居語音控制系統

智能語音控制系統主要包含四個部分，即用戶終端、消息處理服務端、中控主機、智能家居設備。用戶終端首先收入用戶語音信息，再由互聯網渠道將收集到的語音信息傳遞至消息處理服務端，服務端對于收集到的語音信息進行識別，通過語義分析得到相應的控制指令傳回至中控主機，中控主機將識別的命令發送至目標設備，從而實現智能家居設備的控制。智能家居語音控制系統基本組成見圖1。

圖1 智能家居語音控制系統基本組成

1.1 用戶終端

其功能主要為接收用戶語音消息，并將語音消息進行初步處理通過網絡轉發給消息處理服務端。用戶終端可以是智能手機、筆記本電腦、智能可穿戴設備(如智能手表、智能手環)等各類用戶終端。用戶終端對網絡環境的限制較少，只要能夠連接到互聯網即可。

1.2 消息處理服務端

其功能主要為接收用戶終端的語音消息，并且對語音消息進行解析處理，通過智能算法將其轉化為智能家居設備控制的具體指令，再通過網絡將智能家居設備控制指令發送給中控主機，例如Linux系統云服務器等。消息處理服務端主要組成為均衡模塊、安全模塊、語音識別模塊、語義分析模塊、家居服務模塊5個模塊。

(1)負載均衡模塊:將接收到的語音消息分配給相應的服務器。

(2)安全模塊:對接收到的消息進行身份驗證與解密，確保信息的安全性。

(3)語音識別模塊:將語音消息進行語音識別后轉換為文字消息。

(4)語義分析模塊:對語音識別模塊得到的文字消息進行語義分析，從而生成智能家居控制指令。

(5)家居服務模塊:主要用來接收來自中控主機系統的注冊，并將智能家居控制指令轉發給中控主機。

其中，語音識別模塊是整個控制系統的核心部分，語音識別的一般步驟為:語音輸入——獲取設備所得到的音頻信息；音頻信號特征提取——在得到音頻信號之后，對音頻信號進行基本的預處理，然后對預處理之后的音頻信號進行特征提取，例如MFCC是最常用的聲學特征；聲學模型處理——把語音的聲學特征分類對應到音素或字詞的小單元；語言模型處理——利用語言模型將字詞解碼成一個完整的句子，從而得到了最終的語音識別結果。

1.3 中控主機

其功能為向消息處理服務端發送中控主機信息，并保持與消息處理服務端的網絡連接，接收消息處理服務端發送的智能家居設備控制指令。且依據目標智能家居設備支持的控制協議，將識別的語音指令轉化為目標智能家居設備具體的控制指令，并通過網絡發送目標智能家居設備控制指令給目標智能家居設備。中控主機一般處在家庭局域網內，可以通過路由器等設備接入互聯網。

1.4 智能家居設備

其自身按照接收的目標智能家居設備控制指令，執行相對應的指令操作。如空調、洗衣機、冰箱、熱水器、電飯煲、燈、窗簾以及門；甚至也可以是各種傳感器用來獲取相應的狀態信息，比如利用溫度傳感器獲取室內溫度。智能家居設備要求能夠與中控主機進行通信，對通信協議的選取沒有嚴格限制，它可以是 RF射頻技術、ZigBee，Z-Wave等。但是控制目標智能家居設備的控制指令需要與中控主機相互兼容。

2 智能家居控制系統關鍵技術

2.1 通信方式

通信方式是指智能家居與用戶終端之間進行消息命令傳輸的方式，不同的方式適用于不同的工作場景。通信方式主要分為以下4種。

(1)直接聯機

智能家居與用戶終端的相關模塊直接進行匹配連接。優點在于無外部依賴，不需其他設備及安裝成本；缺點是受限于物理媒介，無法進行遠距離直聯，通常情況下只可一對一聯接，難以實現多臺設備互通。

(2)局域網內部連接

智能家居與用戶終端雙雙接入局域網，在其內部進行交流通信。缺點是同樣受限于物理媒介，但相比直接連機方式能夠實現多臺智能家居互通控制。

(3)互聯網連接

互聯網連接的優點是突破了上述通信方式對空間的束縛；缺點在于難以為所有連入互聯網的家居設備分配能夠訪問的網址。

(4)互聯網注冊轉發

該方式要求建立一個帶有可訪問固定網址的注冊轉發服務器，智能家居與用戶終端分別通過互聯網與該服務器進行通信，服務器再將信息傳遞給另一邊。優點顯然是解決了無法相互尋址的難題，并不再受限于物理媒介。缺點在于網絡抖動影響傳輸效率。

2.2 通信協議

智能家居通信協議并沒有統一標準?？傮w看來可分為兩大類:一是有線通信，二是無線通信。國外的智能家居企業巨頭大都選擇有線通信技術，而中國作為后起之秀更偏向于無線通信技術。有線通信可靠性好、傳輸速率高，功能穩定是它最大的優點；無線通信靈活度高、擴展性強，符合當代的綠色環保理念。同一行業，同一需求，選擇的差異無非是側重點不同。

(1)有線通信協議

1)C-BUS作為基于7層OSI模型的有線通信協議，通過總線與控制單位進行連接，使用靈活。廣泛用于照明、安防、監測等智能化控制系統。

2)KNX是被正式批準的住宅和樓宇控制領域的開放式國際標準，由EIB協議為基礎進一步發展而來?？赏ㄟ^電力線、雙絞線等材質通信，廣泛用于家具控制以及商用樓宇，支持安防、空調等系統。

3)X10是在國際上一種通用的智能家居電力載波協議，也是世界上第一個用電力線作為控制信號的通信協議。其優點在于價格低廉、設置方式簡易，但由于共用一條線路導致穩定性問題。

4)CRES-Net是快思聰的通信協議。得益于該廠商的技術積累，其產品應用廣泛，允許設備進行雙向通信且配線結構多樣。

(2)無線控制協議

1)Bluetooth(藍牙)是在10～100m空間內搭建網絡連接使電子設備進行短距離數據傳輸的無線通信技術。優點是功耗低、傳輸速度快、安全性高等；但數據傳輸大小受限、可以一次連接的藍牙設備少且連接有單一性。適用于功耗敏感的設備。

2)RF射頻技術用于點對點通信，穿墻效果強，可靠性差，其電磁波的通信頻率在3kHz～30GHz，可用于一些簡單的控制設備上。

3)Z-Wave是一種新興的基于射頻的、低功耗、低成本、高可靠、適于短距離的無線傳輸協議。可廣泛用于安檢系統、照明系統、家庭影院等領域。

4)WiFi是一個創建于IEEE 802.11標準的無線局域網協議。其優勢為傳輸速度快、傳輸范圍廣、普及應用度高。幾乎所有手機、筆記本電腦、平板電腦等電子設備均將WiFi列入主流標準配置。

5)ZigBee是基于IEEE802.15.4標準的高可靠度、低功耗的無線傳輸協議。主要特點是功耗低，兩節五號電池的可供其使用六個月至兩年。另外ZigBee還有低成本、安全性高、工作頻段靈活等優點。

2.3 相關技術

(1)語音識別控制技術

語音識別技術(ASR)通過對輸入語音信號的音頻信號特征值提取，再進行聲學模型及語言模型等處理，使得機器設備識別出語音的內容、語種等信息。當前語音控制功能的實現分兩種:一種是近場語音識別，另一種是遠場語音識別。

(2)播放狀態打斷技術

當對處在工作中的智能音箱等設備實現語音控制時，麥克風與揚聲器間的距離要遠小于麥克風與用戶間的距離，此時應采取內外兼顧的措施。采用特殊回聲消除算法在設備內部減少噪聲帶來的影響；采用麥克風陣列結構在設備外部以降低設備本體的震動對聲音失去的干擾。

(3)近場和遠場語音拾取技術

近場語音拾取可借助手機等終端設備直接進行語音控制；遠場語音拾取將麥克風陣列拾取的語音數據信號通過識別算法轉化成可識別的文字，相比原理相同的近場語音拾取技術，語音信號會在傳播過程中發生衰減或受到干擾。因此對于不同場景的遠場語音拾取技術，需要配置優化語音識別引擎。

(4)喚醒目標檢測技術

為了實現遠距離語音控制，采用麥克風陣列波速成算法確定是否有指令發出。原理是將空間劃分為若干區域，當檢測到某一區域有喚醒詞出現，就增強該區域的麥克風拾音能力，另外抑制其他區域麥克風的拾音能力，以針對特定角度、方向的聲音進行拾取，從而進一步實現語音控制。

3 智能家居語音控制的發展應用

目前智能家居備受關注，其產品呈現“噴井式”發展。根據《中國智能家居設備行業市場前瞻與投資報告》數據闡述，起步較晚的智能家居行業的市場規模在2020年預計達到3 576億元新高，到2025年全世界將有10%的智能家居用戶。智能家居的核心是人性化，語音交互作為人類溝通最自然的方式，更能滿足人們對家居人性化的需求。據預測，2019年超過30%的智能家居會通過機器對話的方式進行控制。

智能家居與智能語音的結合是未來市場的大趨勢。市場行業普遍確信，作為最便捷、自然的人類交互方式，語音交互正在不斷向智能家居領域滲透，必將在未來智能家居市場中占據重要地位。

北美市場被認為在2016年已達到成熟化，因為那時Alexa已經賣了1 000萬臺，北美家庭已經養成了使用習慣。反觀國內的智能家居語音控制市場剛剛起步，主要原因是前些年我國發展語音控制市場的萌芽較晚，但目前各個企業廠家都開始嘗試向這個方向去探索。語音交互場景的實現需要滿足三個條件:即硬件成本要低(如WIFI模塊或聲音處理芯片)、內容資源和服務豐富、語音識別和語義理解成熟。我國市場面臨的問題是硬件成本不夠低，需要加強對未來芯片和板卡的改進；對于語音語義的容錯率還不夠完備，語義理解要比語音識別更有挑戰性，相信把人工智能(AI技術)帶入到語音控制技術中可以有效解決；還有一點，國內的內容生態鏈不夠完善，近幾年企業的資源版權意識都在加強，但資源過于集中在幾家巨頭手中，如何讓他們加強對智能家居產業的支持力度，降低內容成本，是一個巨大的挑戰。

近年來，各大廠商開始致力于發展智能家居，大批優秀智能家居品牌崛起，推動市場進入爆發期，促進人工智能、物聯網等技術的迭代更替，從而使得智能家居的控制形式升級。智能家居語音控制系統因為各項研究技術的發展變得越發成熟有效，例如語音識別技術(ASR)引擎可以理解多種語言口音，語音生物辨識技術可用于辨識登陸的用戶以提供智能家居環境的不同權限，極大改變了我們未來的家居生活品質。目前市場關于語音控制的智能家居設備種類繁多，如可語音換臺上網的智能電視、語音調節溫濕度的智能空調，以及智能微波爐、掃地機器人等。

回顧展望智能家居控制方式。初期，業界普遍認為由手動控制向終端控制是家居智能化的基礎條件，智能手機則被看作最合適的智能終端，但對于某些設備反而會使用戶受手機智能控制所累，用戶開始渴求更簡捷、更智能的控制手段；當前正在逐漸成熟的語音交互控制方式，滿足了用戶解放雙手的需求，隨著智能音箱Echo的問世，各個科技巨頭開始投身智能家居市場布局，從終端到語音控制是人類向人工智能邁進的重要一步；感應式控制是理想化智能家居的下一階段，產品可以通過感應用戶狀態從而對自己進行調整，免去人工操作，從語音到感應式控制是未來智能的進化之路；自動化控制將代表極高的智能化程度，產品可以對用戶身體活動以及環境等記錄，自主學習用戶使用習慣，自我調整和進化，這種變被動為主動的控制方式將是智能家居進化的里程碑。

從終端控制到自動化控制、從被動控制到主動控制，智能家居行業正在飛速發展。在技術尚未突破的現在，以語音控制為主的智能家居可謂是當前市場所能提供的最自然的人類交流家居設備，但其模式還不夠成熟，語音識別、設備兼容等方面有待提高，另外智能家居市場的標準應更加完備。相信智能家居語音控制未來可期。

4 結束語

隨著智能化設備成本的降低和更大范圍的普及，智能家居系統發展具有良好的發展前景與較為廣闊的市場。而智能語音控制得益于自身難以取代的自然性、快捷性，已經獲得了世界范圍內的重視和快速發展。盡管智能語音控制技術發展要得到普遍的應用還有諸多瓶頸，但隨著計算機等相關技術的快速發展，這些問題必將得到解決。而以我國為代表的智能家居市場還有待深層次的挖掘，智能家居的語音控制系統必將迎來較大發展。