声控小游戏设计(源码)
随着人们对娱乐需求的增多，一方面给游戏开发商提供了发展的机会，另一方面也迫使开发者对游戏的内容和游戏的模式进行优化和升级。尤其，近年来，语音识别作为最热门的人机交互方式，越来越受到广泛关注，结合这一趋势，将其应用到游戏系统中，为用户带来传统游戏模式之外更多的娱乐体验，具有良好的发展前景。本软件设计所搭建的为安卓平台，因此本文结合课题的功能规划，对各个模块软件实现进行分析。主要为以下3个方面a）分析用户登录算法，其结合安卓自带的SQLite的数据库功能；b）分析语音识别算法，结合科大讯飞提供的三方平台从语音上传，分析和语音文字转化进行分析；c）游戏功能的实现，本系统游戏设定为推箱子，从界面布局和游戏算法进行分析。系统采用合理的设计模式，简化了开发过程，提高了开发效率，增强系统的趣味。性和互动性。关键词 语音识别，数据库SQLite，Android，推箱子游戏
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
2 系统需求分析 4
2.1 课题来源 4
2.2 系统约束 4
3 语音控制游戏系统设计 5
3.1 系统总体设计 5
3.2 系统各功能模块设计 5
4 语音控制游戏系统实现 9
4.1 系统运行环境与开发工具 9
4.2 系统各功能模块实现 9
5 语音控制游戏系统测试 13
5.1 测试目的 13
5.2 测试过程 13
5.3 测试结果 17
结 论 18
致 谢 19
参 考 文 献 20
1 引言
随着移动互联网和智能人机交互技术的迅猛发展，便捷、高效的人机交互方式得到人们广泛关注。语音识别技术作为人机交互信息最自然的方式，它有效地改善了人工使用键盘、鼠标等传统交互方式所带来的速度慢、较易出差错等缺点，从而使得语音识别技术在人机交互中的应用，占比越来越大，并逐渐成为现阶段具有竞争价值的新兴高科技的产业热点。语音识别技术目前在移动智能终端上的应用发展迅速，人们以直接通过语音对其进行全程操 *好棒文|www.hbsrm.com +Q: ^351916072^
控，比如拨打电话、搜索信息、打开应用等[1]。与此同时人们也开始尝试将基于移动智能终端的语音识别技术应用到一些控制领域，以提高人机交互效率并取得了不错的效果。而传统电脑游戏方面一直引用键盘、鼠标等输入设备，但随着语音识别技术的兴起，加入语音识别技术成为增强玩家用户体验，增加游戏趣味性的一个必不可少的方式。
1.1 课题背景
语言是人类生活中最常用的信息交流方式，具有自然，准确性高和方便等特点[2]。语音是语言的表现形式，同机器通过语音实现自然交流始终是人类追求的目标。随着移动互联网和智能人机交互技术的迅猛发展，人机交互方式因其便捷、高效的优点而备受关注。语音识别技术作为人机交互信息最自然的方式，开始被广泛应用在汽车电子、家电、消费电子产品、物联网等领域，尤其是基于移动终端的语音识别，更是将语音识别的研究应用推向高潮。
语音识别控制技术作为未来十大科技趋势之一，随着基于移动智能终端的语音识系统在不同领域的研究和应用，逐渐成为现阶段具有竞争价值的新兴高科技的产业热点。本文研究了语音识别技术在Android平台的实现，并将其应用到游戏设计中，以提高其操作的便携性和趣味性，同时也为基于Android平台的语音识别技术在其他领域的应用提供了可供参考的案例和思路。
1.2 国内外研究综述
1.2.1 语音识别发展历程
语音识别技术起始于1952年，初期研究主要是针对数字、辅音、元音和孤立词的识别。该技术采用跟踪语音中的共振峰作为识别方法，能够识别10个英文并且正确率达到98％。
20世纪60年代，由于集成电路的出现，语音识别系统的研究开始由模拟方式向全数字方式演变。在这一时期，动态时间规整(Dynamic Time Warp，DTW)和线性预测编码(Linear Predictive Coding，LPC)算法[3]的提出，使得语音识别技术的研究真正获得了实质性的进展。DTW和LPC技术基于模版匹配实现，其对于语音信号的特征提取和不等长匹配的问题提供了有限的解决方案[4]，但该时期的研究对象仍限定在小词汇量、特定人、孤立词的识别。
20世纪70年代，Baum等人首次尝试在语音识别领域引用隐马尔科夫模型(Hidden Markov Model，HMM)，并系统地阐述了HMM理论。HMM将语音信号比成数学中的双重随机过程，同时根据时间序列结构建立统计模型[5]。至今为止，HMM方法仍是语音识别的主流技术，正因为当时HMM的提出让语音识别技术研究取得了新的进展。
20世纪80年代，Rabiner等人深入浅出地介绍了HMM模型，从此语音识别的研究对象由少词汇量向大量词汇转变、而原本只针对特定人、孤立词也向非特定人、连续识别转变，同时基于统计模型的识别方法逐渐提到传统的基于标准模版匹配的识别方法，比较典型的代表有卡内基梅隆大学李开复博士等人开发的首个基于HMM模型的语言识别系统Sphinx[6]。
20世纪90年代以后，随着人们对语音识别技术地进一步深入研究，在参数提取和优化、细化模型的设计、系统的自适应性方面得到快速发展[7]。
1.2.2 国外应用研究现状
国外的语音识别技术起步较早，不仅在理论上领先，在现实应用中也获得傲人成果。苹果公司将语音识别技术应用于iPhone设备中，并于2011年发布内置的Siri语音助手识别软件[8]，它成功将语音交互引入移动设备中，用户借助Siri可以很方便地使用语音完成信息搜索、应用调用、用户自然交互等任务。
谷歌(Google)公司将语音识别技术应用到Android设备，并发布了一款名为Voice Actions语音控制软件。用户可以通过Voice Actions语音控制自己的Android设备，比如语音查看地图、发送短信、使用Google搜索等。
微软发布了一套语音系统开发工具．Speech SDK，开发人员可以使用该工具包开发各种语音软件并将其应用到各种场合。2014年，微软发布了一款基于CD．DNN．HMM模型[9]实现的语音控制软件．中文版微软小娜(Cortana)。
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
2 系统需求分析 4
2.1 课题来源 4
2.2 系统约束 4
3 语音控制游戏系统设计 5
3.1 系统总体设计 5
3.2 系统各功能模块设计 5
4 语音控制游戏系统实现 9
4.1 系统运行环境与开发工具 9
4.2 系统各功能模块实现 9
5 语音控制游戏系统测试 13
5.1 测试目的 13
5.2 测试过程 13
5.3 测试结果 17
结 论 18
致 谢 19
参 考 文 献 20
1 引言
随着移动互联网和智能人机交互技术的迅猛发展，便捷、高效的人机交互方式得到人们广泛关注。语音识别技术作为人机交互信息最自然的方式，它有效地改善了人工使用键盘、鼠标等传统交互方式所带来的速度慢、较易出差错等缺点，从而使得语音识别技术在人机交互中的应用，占比越来越大，并逐渐成为现阶段具有竞争价值的新兴高科技的产业热点。语音识别技术目前在移动智能终端上的应用发展迅速，人们以直接通过语音对其进行全程操 *好棒文|www.hbsrm.com +Q: ^351916072^
控，比如拨打电话、搜索信息、打开应用等[1]。与此同时人们也开始尝试将基于移动智能终端的语音识别技术应用到一些控制领域，以提高人机交互效率并取得了不错的效果。而传统电脑游戏方面一直引用键盘、鼠标等输入设备，但随着语音识别技术的兴起，加入语音识别技术成为增强玩家用户体验，增加游戏趣味性的一个必不可少的方式。
1.1 课题背景
语言是人类生活中最常用的信息交流方式，具有自然，准确性高和方便等特点[2]。语音是语言的表现形式，同机器通过语音实现自然交流始终是人类追求的目标。随着移动互联网和智能人机交互技术的迅猛发展，人机交互方式因其便捷、高效的优点而备受关注。语音识别技术作为人机交互信息最自然的方式，开始被广泛应用在汽车电子、家电、消费电子产品、物联网等领域，尤其是基于移动终端的语音识别，更是将语音识别的研究应用推向高潮。
语音识别控制技术作为未来十大科技趋势之一，随着基于移动智能终端的语音识系统在不同领域的研究和应用，逐渐成为现阶段具有竞争价值的新兴高科技的产业热点。本文研究了语音识别技术在Android平台的实现，并将其应用到游戏设计中，以提高其操作的便携性和趣味性，同时也为基于Android平台的语音识别技术在其他领域的应用提供了可供参考的案例和思路。
1.2 国内外研究综述
1.2.1 语音识别发展历程
语音识别技术起始于1952年，初期研究主要是针对数字、辅音、元音和孤立词的识别。该技术采用跟踪语音中的共振峰作为识别方法，能够识别10个英文并且正确率达到98％。
20世纪60年代，由于集成电路的出现，语音识别系统的研究开始由模拟方式向全数字方式演变。在这一时期，动态时间规整(Dynamic Time Warp，DTW)和线性预测编码(Linear Predictive Coding，LPC)算法[3]的提出，使得语音识别技术的研究真正获得了实质性的进展。DTW和LPC技术基于模版匹配实现，其对于语音信号的特征提取和不等长匹配的问题提供了有限的解决方案[4]，但该时期的研究对象仍限定在小词汇量、特定人、孤立词的识别。
20世纪70年代，Baum等人首次尝试在语音识别领域引用隐马尔科夫模型(Hidden Markov Model，HMM)，并系统地阐述了HMM理论。HMM将语音信号比成数学中的双重随机过程，同时根据时间序列结构建立统计模型[5]。至今为止，HMM方法仍是语音识别的主流技术，正因为当时HMM的提出让语音识别技术研究取得了新的进展。
20世纪80年代，Rabiner等人深入浅出地介绍了HMM模型，从此语音识别的研究对象由少词汇量向大量词汇转变、而原本只针对特定人、孤立词也向非特定人、连续识别转变，同时基于统计模型的识别方法逐渐提到传统的基于标准模版匹配的识别方法，比较典型的代表有卡内基梅隆大学李开复博士等人开发的首个基于HMM模型的语言识别系统Sphinx[6]。
20世纪90年代以后，随着人们对语音识别技术地进一步深入研究，在参数提取和优化、细化模型的设计、系统的自适应性方面得到快速发展[7]。
1.2.2 国外应用研究现状
国外的语音识别技术起步较早，不仅在理论上领先，在现实应用中也获得傲人成果。苹果公司将语音识别技术应用于iPhone设备中，并于2011年发布内置的Siri语音助手识别软件[8]，它成功将语音交互引入移动设备中，用户借助Siri可以很方便地使用语音完成信息搜索、应用调用、用户自然交互等任务。
谷歌(Google)公司将语音识别技术应用到Android设备，并发布了一款名为Voice Actions语音控制软件。用户可以通过Voice Actions语音控制自己的Android设备，比如语音查看地图、发送短信、使用Google搜索等。
微软发布了一套语音系统开发工具．Speech SDK，开发人员可以使用该工具包开发各种语音软件并将其应用到各种场合。2014年，微软发布了一款基于CD．DNN．HMM模型[9]实现的语音控制软件．中文版微软小娜(Cortana)。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1033.html
