智能語音提示技術在數字萬用表的應用研究

張春剛 甘龍

摘要：數字萬用表由于具有準確度高、測量范圍寬、測量速度快、體積小、抗干擾能力強、使用方便等特點而廣泛應用于國防、科研、工廠、學校、計量測試等技術領域，但其規格不同，性能指標多種多樣，使用環境和工作條件也各有差別，因此應根據具體情況選擇合適的數字多用表。結合智能語音提示功能，可以大大提升萬用表的實用性。

關鍵詞：智能語音提示;數字萬用表;應用研究

中圖分類號：TM938 文獻標識碼：A 文章編號：1007-9416（2020）05-0043-02

1數字萬用表的關鍵指標

用萬用表就可以很方便的測量出家里的零線火線，只要你用數字萬用表，鉗型萬用表，指針機械萬用表的交流電壓檔就可以。而萬用表的發展已經進入到智能化，數字化的時代。數字萬用表重要參數及指標一般從以下幾個方面來考慮：

萬用表的創新指標要考慮多個方面，在大小合適的機身下其電氣指標包括：6000字的高精顯示，大電容的測量，在IOA大電流的可測條件下，還保留了O.1uA的小電流測量，包括溫度和NCV也是它的功能之一。并且同時具備6個按鍵，可以用來切換量程，記錄大小值、絕對值、藍牙功能、HOLD和頻率測量。

經過十幾年的發展和優化，現在數字化對智能表也有了全新的理解，我們一致認為智能表會大大提高測量的效率，使測量變得更加簡單和快捷。

在數字化工程師的努力下，把智能表的概念融入到了語音播報中，設計了一個AUTO：檔，數字化指標包括：可以智能識別電壓、電阻和通斷測量。在基本的測量中，我們無需換擋，更加智能。智能萬用表還有最重要的一個身份，它還是一款藍牙萬用表，它的數字化屬性可以和互聯網完美配合使用的萬用表。能夠不斷拓展，為客戶提供更有效益的萬用表測量;行業交流平臺;基礎知識普及等服務。

（1）藍牙連接：手機即可直接操控萬用表。

（2）測量數據更多應用：數據記錄、數據圖形化、數據分享、數據儲存與導出、閾值報警。

（3）多表協同：APP可連接四臺藍牙萬用表，同時進行實時監測四臺萬用表的測量數據。

（4）智能計算功能：運用萬用表測量到的數據，快速計算理想狀態下的在線功率，理想狀態下的在線電阻，并且可以觀察變量與非變量的關系等等。

（5）遠程協助：實時遠程屏幕同步，輕松零距離溝通，超遠距離實時監測。

（6）數據自動保持：數據保持是一般數字萬用表所常有的功能。可自動保持則很少見，在實際測量中，往往不能騰出一只手來按保持鍵，達到數據保持目的，自動保持的概念是將儀表提前設定在自動保持狀態，當測量過程中，A/D：采樣經CPU判斷基本穩定在10%的讀數范圍內進行比較，將得出一個在范圍內的平均值，此時無需再次按鍵，直接將測量數據保持在LCD顯示屏幕上，同時蜂鳴提示。如測量過程中沒有穩定下時，自動保持將一直尋找在10%的讀數范圍內的數值進行比較。確保做到儀表靈敏度高，準確度高，顯示清晰，過載能力強，便于攜帶，使用更簡單。

2整合智能語音提示技術

2.1整合要點

語音識別技術就是讓智能設備昕懂人類的語音。它是一門涉及數字信號處理、人工智能、語言學、數理統計學、聲學、情感學及心理學等多學科交叉的科學。這項技術可以提供比如自動客服、自動語音翻譯、命令控制、語音驗證碼等多項應用。近年來，隨著人工智能的興起，語音識別技術在理論和應用方面都取得大突破，開始從實驗室走向市場，已逐漸走進我們的日常生活。現在語音識別己用于許多領域，主要包括語音識別昕寫器、語音尋呼和答疑平臺、自主廣告平臺，智能客服等。智能語音提示技術在數字萬用表的互動模式研究如圖1，通過語音信號的輸出與反饋，最終確保數字萬用表的測量數據可以形成更有效和精準的現場工作策略。

2.2語音識別原理

語音識別的本質是一種基于語音特征參數的模式識別，即通過學習，系統能夠把輸入的語音按一定模式進行分類，進而依據判定準則找出最佳匹配結果。目前，模式匹配原理已經被應用于大多數語音識別系統中。如圖1是基于模式匹配原理的語音識別系統框圖。

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尤為重要。常用的特征參數包括：基音周期，共振峰，短時平均能量或幅度，線性預測系數（LPC），感知加權預測系數（PLP），短時平均過零率，線性預測倒譜系數（LPCC），自相關函數，梅爾倒譜系數（MFCC），小波變換系數，經驗模態分解系數（EMD），伽馬通濾波器系數（GFCC）等。在進行實際識別時，要對測試語音按訓練過程產生模板，最后根據失真判決準則進行識別。常用的失真判決準則有歐式距離，協方差矩陣與貝葉斯距離等。

2.3智能語音提示技術在數字萬用表的互動特點和優化措施

語音識別能夠將用戶的語音轉換成文字，而電力工作一線現場的語音環境復雜，方言概率高。針對語音識別應用中面臨的方言口音、背景噪聲等問題，在實際業務系統中所收集的涵蓋不同方言和不同類型背景噪聲的海量語音數據的基礎上通過先進的區分訓練方法進行語音建模，能夠使語音識別在復雜應用場景下均有良好的效果表現。模型優化包括聲學模型優化和語言模型優化。由于聲學模型訓練需要大量的數據（客戶的標注數據不足以訓練聲學模型），并且同時需要音頻及對應的標注文本，聲學訓練又是一個高計算的任務，需要多臺高性能服務器及GPU構成的硬件系統，所以給客戶做聲學優化不可行。語言模型優化相對聲學模型優化，其生成模型方式及硬件要求，可在利用客戶標注數據進行。通過模型的不斷投喂和訓練，優化互動效果。

3結語

智能語音與數字萬用表功能的結合上都發揮到了需求點的作用。在當代，科技不斷的發展，儀表應用不斷升級，用戶體驗需求越來越高的背景下，智能語音結合應用也應該跟上腳步，注重用戶在使用體驗上的快捷、便利、易操作是一種發展趨勢。

語音控制收發信息，既做到了“互聯”又保證了儀表安全。推薦安全智能提醒需要依靠網絡信號的強度，一線工作者使用體驗基本符合這個整合特性應有的水準。