Zigbee Modülü Kullan Development of a Voic nılarak Ses Kontrollü

Zigbee Modülü Kullan Development of a Voic nılarak Ses Kontrollü

SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI
1698
Zigbee Modülü Kullan
nÕlarak Ses Kontrollü Ev Otomasyonu Geliiútirilmesi
Development of a Voicce-Controlled Home Automation Using Ziggbee Module
Aykut Çubukçuu1, Melih Kuncan2, Kaplan Kaplan3, H. Metin Ertuunç4
1,2,3,4
Mekatronik Mühendisli÷i Bölümü
Kocaeli Üniversitesi
{cubukcuaykut}@gmaail.com.tr, {melih.kuncan, kaplan.kaplan, hmertunc}@kocaeeli.edu.tr
Özetçe- Bu çalÕúmada, ev içindeki cihazlarÕn konuúma
tanÕma tabanlÕ uzaktan kontrolü amaççlanmÕútÕr. Sistem
konuúma tanÕma ve komut gönderme olm
mak üzere iki ana
baúlÕk altÕnda oluúturulmuútur. ølk aúaamada MATLAB
ortamÕnda konuúma tanÕma algoritmasÕ gerçekleútirilmiútir.
g
Öznitelik çÕkartma yöntemi olarak mel frekans kepstrum
katsayÕlarÕ kullanÕlmÕútÕr. Öznitelik eúleútirm
me yöntemi olarak
dinamik zamanlamalÕ çözgü kullanÕlmÕúútÕr. Girilen sesli
komutlarÕn tanÕnmasÕndan sonra USB üzerinden
ü
Arduino
pininde de÷iúiklik yapÕlmÕútÕr. De÷iúim alggÕlandÕ÷Õnda verici
Zigbee kablosuz a÷ üzerinden kontrol edilm
mek istenen cihaza
ba÷lÕ alÕcÕ Zigbee modülüne veri göndermeektedir. Gönderilen
veri alÕcÕ Zigbee modül tarafÕndan algÕlanndÕ÷Õnda, modülün
pininden cihaza ba÷lÕ 5V’luk röle tetiklennmektedir. Böylece
bir cihazÕn kablosuz a÷ kullanÕlarak ses komutlarÕyla uzaktan
kontrolü baúarÕyla yapÕlmÕútÕr.
Anahtar kelimeler— Ses tanÕma, mel frekans kepstrum,
A
Zigbee,
katsayÕlarÕ, dinamik zamanlamalÕ çözgü, Arduino,
kablosuz a÷
Abstract- In this study, we aimed sppeech recognitionbased remote control of home devices. The system was
designed at two stages: speech recogniition module and
transmitter module that sends commands inncluding fewer than
two main headings. In the first stage speech
s
recognition
algorithm is implemented in MATLAB. Mel Frequency
Cepstrum Coefficients (MFCCs) are ussed as a feature
extraction method. Dynamic Timing Warpiing (DTW) is used
as a feature matching method. After the reccognition of speech
commands entered, Arduino pin situation is changed via USB.
The voltage change in pin is detected by the same pin
connected to the transmitter Zigbee modulee. When the change
is detected, Zigbee transmitter sends data too connecting on the
desired device to be controlled the receiver Zigbee module via
wireless network. When sending data detected by the receiver
Zigbee module, 5V relay is triggered conneccting on the device
pins of the module. Thus, it was possibble to successfully
remotely control any device with speech commands using
wireless network.
Keywords— Speech Recognition, Mel-Frequency
Cepstrum Coefficients (MFCCs), Dynamicc Timing Warping
(DTW), Arduino, Zigbee
1.
kaynaklarÕnÕ mümkün oldu÷unnca az kullanacak, akÕllÕ a÷
topolojilerini destekleyecek
bir
teknolojiye
ihtiyaç
duyulmuútur. Bunun üzerine IEEE, 802.15.4 standardÕnÕ
çÕkarmÕú, bu standartlarÕ temel alan Zigbee protokolünün ve bu
protokolü destekleyen cihazlarrÕn üretilmesini sa÷lamÕútÕr.
Böylelikle düúük güç tüketen,, düúük maliyetli, akÕllÕ a÷
topolojileri kurabilen Zigbee destekli cihazlar günlük yaúamda
yerini almaya baúlamÕútÕr [2].
Teknolojinin geliúmesiylee günümüzde hayatÕmÕzÕ
kolaylaútÕran birçok cihaz üreetilmektedir. Bu noktada en
önemli çalÕúma alanlarÕndan birii akÕllÕ ev otomasyonudur. Bu
evlerde cihazlar genellikle uzakktan ve tek bir dokunmatik
kumanda üzerinden kontrol eddilmektedir. Her geçen gün
kullanÕcÕ için daha esnek kontroll yöntemleri geliútirilmektedir.
Konuúma tanÕma temelli cihaz kontrollü
k
günümüzde oldukça
kullanÕúlÕ bir kontrol yöntemiddir. Bu çalÕúmada, konuúma
tanÕma temelli kablosuz a÷ kuullanÕlarak cihazlarÕn uzaktan
kontrol edilmesi üzerinde çalÕúÕlmÕútÕr. Konuúma tanÕma
v öznitelik eúleútirme olarak
algoritmasÕ öznitelik çÕkartma ve
iki kÕsÕmdan oluúmaktadÕr. Öznittelik çÕkartma yöntemi olarak
mel frekans kepstrum katsayÕlarÕ kullanÕldÕktan sonra,
öznitelik eúleútirme yöntemi olaarak ise dinamik zamanlamalÕ
çözgü
kullanÕlmÕútÕr.
Algorritma
Matlab
ortamÕnda
gerçekleútirilmiútir. Konuúma taanÕma algoritmasÕ sonucunda
do÷ru eúleúme olunca Matlab ortamÕnda
o
seri port üzerinden
Arduino pini ‘HIGH’ konumunaa getirilmektedir. KonuúmanÕn
tanÕnmasÕ sonucunda pinin ‘HIG
GH’ konuma getirilmesi verici
tarafÕnda olan Zigbee’de algÕlanmaktadÕr. De÷iúiklik
algÕlandÕ÷Õnda verici Zigbee kaablosuz a÷ kullanÕlarak alÕcÕ
Zigbee’ye sinyal göndermektedirr. AlÕcÕ tarafÕnda olan Zigbee
de÷iúikli÷i algÕladÕ÷Õnda 20. pinninden 5V çÕkÕú vermektedir.
20. pine ba÷lÕ 5V röle tetiklenereek úebekeye ba÷lÕ ÕúÕk uzaktan
kontrol edilmiútir. Tasarlannan
sistem ùekil 1’de
gösterilmektedir.
GøRøù
Ev otomasyon sistemleri, ev aletleerinin artmasÕ ve
bu cihazlarÕn özelliklerinin geliúmesi ile önem
ö
kazanmÕútÕr.
Bu cihazlarÕn uzaktan kontrol edilmesi üzeerindeki çalÕúmalar
artmaktadÕr [1]. Kablosuz haberleúme dennildi÷i zaman akla
ses, resim, video vb. gibi büyük boyutlu veerilerin yüksek veri
hÕzÕnda iletimini yapabilen Wi-Fi, WIMA
AX, Bluetooth ve
úimdilerde popüler olan 3G, 4G gibi teknollojiler gelmektedir.
Fakat her zaman büyük boyutlarda veri iletimine ihtiyaç
duyulmayabilir. Sensör ve kontrol cihazlarÕÕ küçük boyutlarda
veri iletir veya alÕrlar. Bu durumda bu tarzz verilerin iletimini
sa÷lamak ve böyle cihazlarÕn kontrolünü yapmak
y
için sistem
ùekil-1: Tasarlaanan sistem
2.
SES
S øùLEME
Ses tanÕma, belirli bir konuúmacÕ tarafÕndan ne
söylendi÷inin saptanmasÕ için kullanÕlan bir yöntemlerden
birisidir. Ses iúleme teknollojisinin yaygÕn uygulama
alanlarÕndandÕr [3]. Bu çalÕúma konuúma tanÕma ve kontrol
mekanizmasÕ uygulamasÕ içermekktedir. AlÕcÕ-verici yoluyla bir
sistemi uzaktan kontrol eden sess tanÕma sistemi kurulmuútur.
978-1-4673-7386-9/15/$31.00
978-1-4799-4874-1/14/$31.00 ©2015©2015
IEEE IEEE
16 - 19 MAYIS 2015, MALATYA
SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI
Örnek olarak ses kullanarak arabanÕn uzaktaan kontrol edilmesi
verilebilir [4].
Konuúma tanÕma iki aúamadan oluúmaaktadÕr. Bunlar veri
tabanÕ oluúturma ve saptama aúamasÕdÕr. Veeri tabanÕ oluúturma
aúamasÕnda sistemde kullanÕlacak komutlar iúlenir ve veri
tabanÕnda saklanÕr. Veri tabanÕ oluúturmanÕnn amacÕ her komut
için bir referans model oluúturmaktÕr. Daha sonra bu modeller
saptama aúamasÕnda kullanÕlÕrlar.
2.1. VERø TABANI OLUùTURMA
Konuúma tanÕma sisteminin ilk aúamaasÕ olan veri tabanÕ
oluúturma aúamasÕnda, sistemde kullanÕlaccak sesli komutlar
ayrÕ ayrÕ MATLAB ortamÕnda kaydedillmektedir. Girilen
sesler MFCC’s algoritmasÕyla, girilen sese özgü
ö
olan öznitelik
vektörlerini çÕkarmak maksadÕyla iúleme tabi tutulmuútur.
øúlem sonunda her sesli komut için bir moodel oluúturulur ve
sesli komut veri tabanÕna kaydedilmekteddir. Bu veri tabanÕ
daha sonra saptama aúamasÕnda kuullanÕlmak üzere
saklanmaktadÕr. ùekil 2’de veri tabanÕ oluúturma aúamasÕnÕn
genel diyagramÕ verilmiútir.
1699
benzerlik oranÕ en küçük ise o komutun söylendi÷i çÕkarÕmÕ
yapÕlmaktadÕr.
m KatsayÕlarÕ (MFCCs)
2.1.1. Mel-Frekans Kepstrum
Ses sinyalindeki akustikk özelliklerin çÕkarÕlmasÕna
öznitelik çÕkarma denilmektedir [6]. MFCCs, konuúma tanÕma
alanÕnda en çok kullanÕlan öznittelik çÕkarma yöntemlerinden
birisidir. Öznitelik çÕkarma hem veri tabanÕ oluúturma hem de
saptama aúamasÕnda kullanÕlmaaktadÕr. Projenin en önemli
kÕsmÕdÕr.
Algoritma aúa÷Õdaki aúamalardann oluúmaktadÕr.
¾
¾
¾
¾
¾
¾
Önvurgu
Çerçeveleme
Pencereleme (Hammingg Window)
HÕzlÕ fourier dönüúümü
Mel-frekans saptÕrmasÕ
AyrÕk kosinüs dönüúümüü
ùekil 3’te MFCCs algoritmaasÕ aúamalarÕ görsel olarak
gösterilmektedir.
ùekil-2: Veri tabanÕ oluúturma [5]
ùekil-3: MFCCs algoritmasÕ
a
[5]
Sistem ilk olarak e÷itilmektedir. KullanÕlacak
K
sesli
komutlar sisteme girilip MFCCs algoritmaasÕyla sesin akustik
özellikleri çÕkartÕlmaktadÕr. ÇÕkartÕlan sees özellikleri veri
tabanÕ tabanÕnda saklanmaktadÕr. Girilen komut sayÕsÕ ve
kullanÕlan sesli komutlar Tablo 1’de gösterillmektedir.
Tablo 1: Girilen komut sayÕsÕ ve komutlar
k
Komut SayÕsÕ
Girilen Sesli Komut
K
1
‘IúÕklarÕ Aç’
2
‘IúÕklarÕ Kapat’
3
‘Kettle Aç’
Girilen her sesli komuta MFCCs algoriitmasÕ uygulanarak
sesin akustik özelliklerini ifade edenn vektörler elde
edilmektedir. Bu vektörler algoritmaya ismiini veren kepstrum
katsayÕlarÕ olarak adlandÕrÕlmaktadÕr. Her sesli komut Tablo
k
SÕra
1’deki sÕrasÕna uygun olarak veri tabanÕna kaydedilmiútir.
önemlidir, çünkü karúÕlaútÕrma iúlemi haangi sÕrada hangi
komut oldu÷u göz önünde bulunduruularak yapÕlmÕútÕr.
Örne÷in; ‘IúÕklarÕ Aç’ komutu girildi÷indee sistem ilk olarak
girilen bu komutun ses özelliklerini çÕkkarmaktadÕr. Yani
kepstrum katsayÕlarÕ çÕkartÕlmaktadÕr. Elde edilen ses
özellikleri veri tabanÕndaki tüm seslerle kaarúÕlaútÕrÕlmaktadÕr.
Daha sonra girilen ses ile veri tabanÕndakki her ses arasÕnda
DTW algoritmasÕyla en kÕsa yol beliirlenerek sÕrasÕyla
benzerlik skoru belirlenmektedir. Hangi sÕradaki ses ile
1.AdÕm: Önvurgu
Ses iúlemedeki ilk adÕmdÕr. Yüksek genlikli noktalar daha
çok kuvvetlendirilir [6]. Böyllece alÕnan bir çerçevedeki
gürültü bastÕrÕlÕp anlamlÕ verilerr daha çok kuvvetlendirilmiú
olur.
‫ݕ‬ሾ݊ሿ ൌ ‫ݔ‬ሾ݊ሿ െ ͲǤͻͷ ‫ݔ כ‬ሾ݊ െ ͳሿሺͳሻ
2.AdÕm: Çerçeveleme
Oluúabilecek spektral sÕzmaayÕ engellemek için hafÕzaya
alÕnan verilerin belirli uzunnluktaki vektörler ayrÕlarak
iúlenmesidir [6]. Oluúan herr vektöre çerçeve denilir.
Çerçeveler genelde 25-30 ms uzzunlukludur. Çerçeveler %20
örtüúme yapÕlarak oluúturulm
muútur. Böylece alÕnan bir
çerçevenin son kÕsmÕnÕn %20’ si, bir sonraki çerçevenin ilk
verileri olacaktÕr. ùekil 4’te çeerçevelemenin nasÕl yapÕldÕ÷Õ
gösterilmektedir.
16 - 19 MAYIS 2015, MALATYA
SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI
1700
Frekans düzleminde alÕnan her çerçeve, oluúturulmuú 13
üçgen filtre ile a÷ÕrlÕklandÕrÕlmaaktadÕr. Böylece her çerçeve,
13 üçgen filtrenin a÷ÕrlÕklandÕÕrÕlmasÕ sonucunda 13x1’lik
vektörlerle ifade edilmiú olur.
‫ܨ‬ሺ݈݉݁ሻ ൌ ʹͷͻͷ ‫‰‘Ž Ͳͳ כ‬ൣͳ ൅ ݂ሾ͹ͲͲሿ൧ሺͷሻ
ümü
6.AdÕm: AyrÕk Kosinüs Dönüúü
AyrÕk kosinüs dönüúümü mel filtreleme sonucunda
frekans düzleminde olan iúaretlerri zaman düzlemine geçirmek
için kullanÕlmÕútÕr. Dönüúüm sonucunda Mel kepstrum
katsayÕlarÕ elde edilmektedir. Bu katsayÕlar sesin akustik
özelliklerini ifade etmektedir.
2.2. SAPTAMA AùAMASI
ùekil-4: Çerçeveleme [7]
3.AdÕm: Pencereleme
AlÕnan çerçeveler arasÕndaki sürekksizlikleri ortadan
kaldÕrmak için her çerçeveye hamming penceresi uygulanÕr
[6]. Hamming pencere uzunlu÷u alÕÕnan çerçevelerin
uzunlu÷uyla eúittir.
Hamming pencere denklemi;
݊
‫ݓ‬ሾ݊ሿ ൌ ͲǤͷͶ െ ͲǤͶ͸ ‫ •‘… כ‬ቀʹ ‫ כ ߨ כ‬ቁሺʹሻ
ܰ
݊ǣ Ͳǡͳǡʹ ǥ Ǥ ܰ െ ͳ
ܰǣ ‫ݑ݈݊ݑݖݑ݁ݎ݁ܿ݊݁݌‬º‫ݑ‬
Saptama aúamasÕnda, girdi olarak verilen bilinmeyen bir
ses iúlenerek öznitelik vektörleeri yani kepstrum katsayÕlarÕ
çÕkartÕlmaktadÕr. Bu aúamada da ses özellikleri MFCCs
algoritmasÕ kullanÕlarak elde edilmiútir. Daha sonra bu
vektörler bir karúÕlaútÕrma algorritmasÕ yardÕmÕyla konuúmacÕ
veri tabanÕnda kayÕtlÕ bulunaan di÷er ses özellikleriyle
karúÕlaútÕrÕlmaktadÕr. KarúÕlaútÕrm
ma iúlemi Dinamik Zamanda
Eúleútirme (Dynamic Timing Warping
W
- DTW) algoritmasÕ
kullanÕlarak yapÕlmÕútÕr. DTW algoritmasÕ veri tabanÕndaki
seslerle, girilen ses arasÕnda bennzerlik skoru belirlenmektedir.
Belirlenen skora göre girilen sessin, veri tabanÕndaki hangi ses
oldu÷u belirlenmektedir.
Saptama aúamasÕndaki kulllanÕlan algoritma ùekil 6’da
gösterilmektedir.
‫ݕ‬ሾ݊ሿ ൌ ‫ݕ‬ሾ݊ሿ ‫ݓ כ‬ሾ݊ሿሺ͵ሻ
4.AdÕm: HÕzlÕ Fourier Dönüúümü
Ses iúlemenin en önemli adÕmlarÕnddan birisidir. Ses
sinyali frekans düzleminde incelenmektedirr. Ses sinyali farklÕ
frekanslarda sinüzoidallerin birleúmesindeen oluúur [6]. Bu
yöntemle, ilgili sinyalin hangi frekanslarddaki bileúenlerden
oluútu÷u belirlenmektedir. AlÕnan her çerçeeveye hÕzlÕ Fourier
dönüúümü uygulanmaktadÕr.
ܻሺ‫ݓ‬ሻ ൌ ‫ܶܨܨ‬ሺ‫ݕ‬ሾ݊ሿሻሺͶሻ
5.AdÕm: Mel Filtre BankasÕ øúlemi
Ses sinyali frekans düzleminde lineer ölçek takip etmez
[6]. 13 üçgen pencereden oluúan mel filttre bankasÕ olarak
adlandÕrÕlan filtreler oluúturulur. Üçgen filttrelerin geniúlikleri
farklÕdÕr. Geniúlikler, ilk baúlarda lineeer daha sonralarÕ
logaritmik artmaktadÕr. ùekil 5’te oluútturulan mel filtre
bankasÕ gösterilmektedir.
ùekil-5:Mel filtre bankasÕ [6]]
ùekil-6: Saptaama aúamasÕ [5]
2.2.1. Dinamik Zamanda Eúleeútirme
Sistem e÷itildikten sonra, girilen her sesli komutun
akustik özelli÷i veri tabanÕÕndaki komutlarÕn akustik
özellikleriyle karúÕlaútÕrÕlmaktaddÕr. KarúÕlaútÕrmanÕn amacÕ
girilen komutun veri tabanÕndaki ses özelliklerinden biri olup
olmadÕ÷ÕnÕ belirlemektir. KarúÕlaaútÕrma iúlemi sözcük tabanlÕ
konuúma tanÕma sistemlerinde etkin ve sÕkça kullanÕlan bir
yöntem olan Dinamik Zamannda Eúleútirme (DTW) ile
yapÕlmaktadÕr. Bu yaklaúÕmla, çalÕúma anÕnda tespit edilen
k
sözcük úablonlarÕ ile
sözcük kestirilmesi, sistemde kayÕtlÕ
seslendirme
zamanlarÕ örtüüútürülerek karúÕlaútÕrÕlmasÕ
gerçekleútirilebilir [8].Bu algoritma söylenme zaman
uzunluklarÕ de÷iúen sözcüklerr içindir. Bu teknik, aynÕ
zamanda "bükülmüú" do÷rusal olmayan esnemeden oluúan
zaman serilerinde ya da zamann ekseni boyunca küçülen iki
zaman serisi arasÕnda en uygun
u
uyumu bulmak için
16 - 19 MAYIS 2015, MALATYA
SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI
kullanÕlmaktadÕr. Bu iki zaman serisi arasÕnda benzerlik
belirlemek için kullanÕlmaktadÕr [9].Geliútirilen uygulamada
eúleútirilecek iki veri DTW yöntemi kullanÕlmak üzere,
ba÷ÕntÕlar ile mesafe matrisi oluúturularak eúleútirilir. ùekil
7’deki Dinamik Zamanda Eúleútirme örne÷i gösterilmiútir.
Grafikte yatay eksen veri tabanÕndaki M uzunluklu ses
sinyalini, dikey eksen N uzunluklu girilen ses sinyalini
göstermektedir [10]. AlgoritmanÕn esnekli÷i nedeniyle N ve M
uzunlularÕ aynÕ olmak zorunda de÷ildir. Veri tabanÕndaki ses
özellikleriyle girilen ses özellikleri DTW algoritmasÕ
kullanÕlarak karúÕlaútÕrÕlmaktadÕr. KarúÕlaútÕrma sonucunda iki
ses vektörü arasÕnda minimum yol vektörü belirlenmektedir.
1701
Konuúma tanÕma algoritmasÕnÕn baúarÕyla çalÕúmasÕ
durumunda seri port üzerinden Arduino 20. pini ‘HIGH’
konumuna getirilerek algÕlanan komutun Zigbee’ler
yardÕmÕyla uzaktaki cihazlara gönderilmesi sa÷lanmÕútÕr.
‘LambalarÕ aç’ komutu Matlab ortamÕnda sisteme girilerek
uzakta úebekeye ba÷lÕ bir lamba kontrol edilmiútir. Normal
úartlarda sistemin baúarÕ oranÕ %100’e kadar çÕkmaktadÕr. Veri
tabanÕnda olan komutlara büyük ölçüde benzer harfler içeren
komutlar kullanÕldÕ÷Õnda benzerlik oranÕ en fazla olan komut
algÕlanmakta sistem ona göre yanÕt vermektedir. Veri
tabanÕndaki komutlarla benzerli÷i olmayan komutlar
kullanÕldÕ÷Õnda sistem çalÕúmamaktadÕr. Gürültülü ortamlarda
sistemin baúarÕ oranÕ düúmektedir. Ses komutlarÕ bilgisayarÕn
dâhili mikrofonu kullanÕlarak girilmektedir. Bu durum ses
iúaretlerine daha fazla gürültü binmesine sebebiyet
vermektedir. Harici bir mikrofon kullanÕlarak sistemin
gürültüden daha az etkilenmesi sa÷lanabilir. AynÕ zamanda
kullanÕlan Zigbee modüllerinin özelliklerine göre de sistemin
baúarÕsÕ de÷iútirilebilir. Çeúitli Zigbee topolojileri kullanÕlarak
çok sayÕda cihaz ses komutlarÕyla kontrol edilebilir.
TEùEKKÜR
Bu çalÕúma Kocaeli Üniversitesi Mekatronik Mühendisli÷i
Sensör LaboratuvarÕnda gerçekleútirilmiútir.
KAYNAKÇA
ùekil-7:Dynamic Timing Warping örne÷i [11]
[1]
3. KULLANILAN HABERLEùME VE KOMUT
GÖNDERME METODU
Bu çalÕúmada Matlab üzerinden Arduino’ ya eriúmek için
seri port ba÷lantÕsÕ ve cihazlarÕn uzaktan kontrolü için iki
Zigbee arasÕnda Wi-fi ba÷lantÕsÕ kurulmuútur. USB ba÷lantÕsÕ
sayesinde Matlab ortamÕnda ses tanÕma sonucunda do÷ru
komut algÕlanÕnca Arduino pinine logic‘1’ yazÕlabilmiútir.
Pindeki de÷iúim aynÕ pine ba÷lÕ Zigbee tarafÕndan
algÕlanmakta ve di÷er Zigbee’ye kablosuz haberleúme ile
göndermektedir. Bu çalÕúmada Xbee 1 serisi 2 adet Zigbee
modülü kullanÕlmÕútÕr. 2 modülün arasÕnda kablosuz
haberleúme kurulmasÕnda X-CTU programÕ kullanÕlmÕútÕr. A÷
için gerekli kanal ayarlarÕ yapÕlmÕútÕr.
Matlab ortamÕnda Arduino pinlerine ulaúmak için uygun
seri port ayarlarÕ yapÕlmÕútÕr. Girilen ses veri tabanÕndaki
seslerle eúleúti÷i zaman USB seri port üzerinden Arduino
pinine logic ‘1’ yazÕlmaktadÕr. Yani pin ‘HIGH’ konumuna
getirilmektedir. Verici olan Zigbee modül bu de÷iúimi
algÕlayarak kablosuz a÷ üzerinden alÕcÕ olan Zigbee modüle
göndermektedir. AlÕcÕ Zigbee gelen sinyali algÕladÕ÷Õnda
5V’luk röleyi tetiklemektedir. Böylece kontrol edilmek istenen
cihaz ses komutlarÕyla kontrol edilmiú olmaktadÕr.
4.
Jieming Zhu, Xuecai Gao, Yucang Yang, Hang Li, Zhati Ai,
Xiaoyan Cui, “Developing a Voice Control System For ZigBeeBased Home Automation Netwoeks”, Proceedings of IC-NIDC,
2010, p:737-741.
[2] Ozan ARSLAN, “ZIGBEE ile Bina øçi Güvenlik Otomasyon
Sistemi” , Bitirme Tezi, MayÕs 2009.
[3] Muhammad Salman Haleem, “Voice controlled automation
system”, Proceedings of the 12th IEEE International Multitopic
Conference, December 23-24,2008.
[4] Adrian Abordo and Jon Liao, "Voice Command Recognition,"
June 2003.
[5] Ozan MUT, “Konuúma TanÕma”, Yüksek lisans tezi, 2004
[6] Lindasalwa Muda, Mumtaj Begamand I.Elamvazuthi,“Voice
Recognition Algorithms using Mel Frequency Cepstral
Coefficient (MFCC) and Dynamic Time Warping (DTW)
Techniques”,Journal of computing, Volume 2, Issue 3, March
2010, p:138-143.
[7] http://cnx.org/contents/[email protected]:46/DSPA, son eriúim tarihi: ùubat 2015
[8] http://www.mcu-turkey.com/ses-tanima-3, son eriúim tarihi:
ùubat 2015.
[9] Chunsheng Fang, “From Dynamic time warping (DTW) to
Hidden Markov Model (HMM)”, University of Cincinnati,2009.
[10] Toni M. Rathand R. Manmatha, “Word Image Matching Using
Dynamic Time Warping”, University of Massachusetts,
Amherst.
[11]http://web.media.mit.edu/~tristan/phd/dissertation/chapter4.html,
son eriúim tarihi: ùubat 2015
SONUÇLAR
Bu çalÕúmada, Matlab ortamÕnda konuúma tanÕma
algoritmasÕ gerçekleútirilmiútir. Zigbee modüller kullanÕlarak
kablosuz haberleúme a÷Õ kurulmuútur. Cihazlar Zigbee
modüller yardÕmÕyla kablosuz a÷ üzerinden uzaktan kontrol
edilmiútir. Matlab ortamÕndaki verileri Zigbee modüllere
göndermek için Arduino mikro denetleyici kullanÕlmÕútÕr.
16 - 19 MAYIS 2015, MALATYA