空调控制方法、装置及电子设备.pdf

《空调控制方法、装置及电子设备.pdf》由会员分享，可在线阅读，更多相关《空调控制方法、装置及电子设备.pdf（16页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010870383.3 (22)申请日 2020.08.26 (71)申请人 北京声智科技有限公司 地址 100098 北京市海淀区北四环西路67 号3层306室 (72)发明人 靳源陈彦江冯大航常乐 (74)专利代理机构 北京银龙知识产权代理有限 公司 11243 代理人 黄灿左晓菲 (51)Int.Cl. F24F 11/526(2018.01) F24F 11/79(2018.01) F24F 11/74(2018.01) F24F 11/64(2018.01) G1。

2、0L 15/22(2006.01) F24F 120/10(2018.01) F24F 120/12(2018.01) (54)发明名称 空调控制方法、 装置及电子设备 (57)摘要 本发明提供一种空调控制方法、 装置及电子 设备， 涉及智能家居技术领域， 所述方法包括： 接 收用户的语音信息； 识别所述语音信息对应的控 制参数； 依据所述语音信息获取所述用户所在的 位置的位置信息； 基于所述控制参数及所述位置 信息对空调进行控制。 本发明实施例能够提高控 制空调的智能化程度。 权利要求书2页 说明书11页 附图2页 CN 111981644 A 2020.11.24 CN 111981644。

3、 A 1.一种空调控制方法， 其特征在于， 所述方法包括： 接收用户的语音信息； 识别所述语音信息对应的控制参数； 依据所述语音信息获取所述用户所在的位置的位置信息； 基于所述控制参数及所述位置信息对空调进行控制。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述控制参数及所述位置信息对 空调进行控制， 包括： 基于所述控制参数及所述位置信息控制所述空调的风向朝向所述位置或者避开所述 位置。 3.根据权利要求2所述的方法， 其特征在于， 所述依据所述语音信息获取所述用户所在 的位置的位置信息， 包括： 通过声源定位， 确定发出所述语音信息的用户所在的位置的位置信息。 4.根据权利要求。

4、2所述的方法， 其特征在于， 所述基于所述控制参数及所述位置信息控 制所述空调的风向朝向所述位置或者避开所述位置， 包括： 在所述控制参数为指示所述空调的风向朝向所述用户的情况下， 控制所述空调的风向 朝向第一类声源位置。 5.根据权利要求4所述的方法， 其特征在于， 所述位置信息包括所述用户所在的位置与 所述空调之间的距离， 所述控制所述空调的风向朝向所述第一类声源位置， 包括： 控制所述空调的风向朝向所述第一类声源位置， 且控制所述空调的风速为目标风速， 所述目标风速与所述用户所在的位置与所述空调之间的距离呈正相关。 6.根据权利要求4所述的方法， 其特征在于， 所述基于所述控制参数及所述。

5、位置信息控 制所述空调的风向朝向所述位置或者避开所述位置， 包括： 在所述控制参数为指示所述空调的风向避开所述用户的情况下， 控制所述空调的风向 朝向第二类声源位置， 所述第二类声源位置为距离所述第一类声源位置最远的一类声源位 置。 7.根据权利要求4至6中任一项所述的方法， 其特征在于， 所述依据所述语音信息获取 所述用户所在的位置的位置信息， 包括： 使用预先训练的多类声源位置的概率分布函数分别计算所述语音信息的概率， 以识别 所述语音信息对应的所述第一类声源位置， 其中， 所述第一类声源位置的概率分布函数计 算所述语音信息的概率最高。 8.根据权利要求7所述的方法， 其特征在于， 所述多。

6、类声源位置的概率分布函数通过如 下方式训练得到： 按照声源位置相对于所述空调的出风口的角度进行分类， 得到多类声源位置； 获取所述多类声源位置中每类声源位置对应的多个语音信号， 将所述每类声源位置对 应的多个语音信号作为训练样本； 基于所述训练样本获取所述每类声源位置对应的概率分布函数。 9.根据权利要求8所述的方法， 其特征在于， 所述基于所述训练样本获取所述每类声源 位置对应的概率分布函数， 包括： 采用广义互相关-相位变换方法GCC-PHAT获取所述训练样本的特征向量； 权利要求书 1/2 页 2 CN 111981644 A 2 基于所述训练样本的特征向量进行线性判别分析LDA训练； 。

7、采用所述训练样本的特征向量对训练后的LDA进行投影； 对投影后的特征向量采用极大似然估计法获取高斯模型的均值和方差； 基于所述高斯模型的均值和方差获取所述每类声源位置对应的概率分布函数。 10.根据权利要求1所述的方法， 其特征在于， 所述方法还包括： 获取当前环境参数； 将所述当前环境参数与预设环境参数进行匹配； 若当前环境参数与所述预设环境参数匹配， 则采用与所述预设环境参数对应的控制参 数控制空调； 其中， 所述当前环境参数包括环境温度、 环境湿度、 环境光强及时间中的至少一项。 11.一种空调控制装置， 其特征在于， 所述空调控制装置包括： 接收模块， 用于接收用户的语音信息； 识别模。

8、块， 用于识别所述语音信息对应的控制参数； 第一获取模块， 用于依据所述语音信息获取所述用户所在的位置的位置信息； 第一控制模块， 用于基于所述控制参数及所述位置信息对空调进行控制。 12.一种电子设备， 其特征在于， 包括处理器、 存储器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述计算机程序被所述处理器执行时实现如权利要求1至 10中任一项所述的空调控制方法的步骤。 权利要求书 2/2 页 3 CN 111981644 A 3 空调控制方法、 装置及电子设备 技术领域 0001 本发明涉及智能家居技术领域， 尤其涉及一种空调控制方法、 装置及电子设备。 背景技术 0002。

9、 随着科技的发展， 智能家居越来越受到人们的青睐。 智能家居能够提升家居安全 性、 便利性、 舒适性和艺术性， 并能够实现环保节能的居住环境。 0003 对空调的智能控制是实现智能家居的重要环节， 目前， 对空调的智能控制通常是 实现空调的自动开启和关闭， 具体的实现方案为： 在有人时开启空调， 在没有人时关闭空 调。 而对空调的运行参数的调节仍需用户通过空调遥控器控制， 智能化程度较低。 发明内容 0004 本发明实施例提供一种空调控制方法、 装置及电子设备， 以解决现有技术中对空 调的运行参数的调节仍需用户通过空调遥控器控制， 智能化程度较低的问题。 0005 为了解决上述技术问题， 本发。

10、明是这样实现的： 0006 第一方面， 本发明实施例提供了一种空调控制方法， 所述方法包括： 0007 接收用户的语音信息； 0008 识别所述语音信息对应的控制参数； 0009 依据所述语音信息获取所述用户所在的位置的位置信息； 0010 基于所述控制参数及所述位置信息对空调进行控制。 0011 第二方面， 本发明实施例提供了一种空调控制装置， 所述空调控制装置包括： 0012 接收模块， 用于接收用户的语音信息； 0013 识别模块， 用于识别所述语音信息对应的控制参数； 0014 第一获取模块， 用于依据所述语音信息获取所述用户所在的位置的位置信息； 0015 第一控制模块， 用于基于所。

11、述控制参数及所述位置信息对空调进行控制。 0016 第三方面， 本发明实施例提供了一种电子设备， 包括处理器、 存储器及存储在所述 存储器上并可在所述处理器上运行的计算机程序， 所述计算机程序被所述处理器执行时实 现如第一方面所述的空调控制方法的步骤。 0017 第四方面， 本发明实施例提供了一种计算机可读存储介质， 所述计算机可读存储 介质上存储有计算机程序， 所述计算机程序被处理器执行时实现如第一方面所述的空调控 制方法的步骤。 0018 本发明实施例中， 接收用户的语音信息； 识别所述语音信息对应的控制参数； 依据 所述语音信息获取所述用户所在的位置的位置信息； 基于所述控制参数及所述位。

12、置信息对 空调进行控制。 这样， 通过用户的语音信息及用户的位置信息对空调进行自动控制， 不需要 通过空调遥控器控制， 能够提高空调控制的智能化程度。 说明书 1/11 页 4 CN 111981644 A 4 附图说明 0019 为了更清楚地说明本发明实施例的技术方案， 下面将对本发明实施例描述中所需 要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本发明的一些实施例， 对于本领域普通技术人员来讲， 在不付出创造性劳动性的前提下， 还可以根据这些附图获 得其他的附图。 0020 图1是本发明实施例提供的一种空调控制方法的流程图； 0021 图2是本发明实施例提供的一种空调控制。

13、装置的结构示意图之一； 0022 图3是本发明实施例提供的一种空调控制装置的结构示意图之二； 0023 图4是本发明实施例提供的一种电子设备的结构示意图。 具体实施方式 0024 下面将结合本发明实施例中的附图， 对本发明实施例中的技术方案进行清楚、 完 整地描述， 显然， 所描述的实施例是本发明一部分实施例， 而不是全部的实施例。 基于本发 明中的实施例， 本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施 例， 都属于本发明保护的范围。 0025 在本发明实施例中， 电子设备包括但不限于手机、 平板电脑、 笔记本电脑、 掌上电 脑、 车载移动终端、 可穿戴设备、 音箱以及空调。

14、等。 0026 参见图1， 图1是本发明实施例提供的一种空调控制方法的流程图， 如图1所示， 包 括以下步骤： 0027 步骤101、 接收用户的语音信息。 0028 其中， 可以通过声音传感器接收用户的语音信息， 例如， 可以采用麦克风阵列接收 用户的语音信息。 通过声音传感器接收到声音信号后， 可以通过声音信号的短时能量和过 零率判断是语音信息， 还是噪音， 如果判断为噪音， 则不对所述语音信息进行识别， 节约计 算量。 0029 步骤102、 识别所述语音信息对应的控制参数。 0030 所述控制参数可以是用于对所述空调进行控制的参数， 可以是用于控制所述空调 温度的参数， 或者， 可以是。

15、用于控制所述空调湿度的参数， 或者， 还可以是用于控制所述空 调风向的参数， 等等， 本发明实施例对此不进行限定。 0031 另外， 可以通过语音识别技术识别所述语音信息对应的控制参数。 可以采用基于 混合高斯模型的隐马尔科夫模型(HMM)识别所述语音信息； 或者， 还可以采用DNN(深度神经 网络)-HMM算法建立模型识别所述语音信息； 或者， 还可以采用端到端的技术识别所述语音 信息。 识别所述语音信息对应的控制参数， 可以是， 识别所述语音信息中的命令词， 将包含 该命令词的短句作为空调的控制参数。 例如， 语音信息包括 “禁止直吹” ， 则可以识别到命令 词 “禁止” ； 语音信息包括。

16、 “启动直吹” ， 则可以识别到命令词 “启动” ， 从而将 “启动直吹” 和 “禁止直吹” 作为控制参数。 0032 进一步的， 识别所述语音信息对应的控制参数， 还可以是， 将识别到的语音信息与 存储的预设信息进行匹配， 若匹配， 则将匹配的信息作为控制参数。 例如， 存储的预设信息 包括 “启动直吹” ， 识别到的语音信息为 “启动直吹” ， 则可以将 “启动直吹” 作为控制参数。 所 述识别所述语音信息对应的控制参数， 还可以是采用语义识别的方法识别所述语音信息对 说明书 2/11 页 5 CN 111981644 A 5 应的控制参数， 等等， 本发明实施例对识别所述语音信息对应的控。

17、制参数的具体方法不进 行限定。 0033 步骤103、 依据所述语音信息获取所述用户所在的位置的位置信息。 0034 其中， 可以使用声源定位依据所述语音信息获取所述用户所在的位置的位置信 息。 所述位置信息可以包括所述用户所在的位置与所述空调之间的距离， 和/或， 所述用户 所在的位置相对于所述空调的方向。 可以使用预先训练的多类声源位置的概率分布函数分 别计算所述语音信息的概率， 以识别所述语音信息对应的第一类声源位置， 所述第一类声 源位置的概率分布函数计算所述语音信息的概率最高， 可以预测用户的位置在所述第一类 声源位置； 或者， 还可以采用其他声源定位方法获取所述用户所在的位置的位置。

18、信息。 0035 步骤104、 基于所述控制参数及所述位置信息对空调进行控制。 0036 其中， 可以基于所述控制参数及所述位置信息控制所述空调的风向朝向所述位置 或者避开所述位置， 或者， 还可以基于所述控制参数及所述位置信息控制所述空调的温度 或湿度， 或者， 还可以基于所述控制参数及所述位置信息控制所述空调的风速， 或者， 还可 以基于所述控制参数及所述位置信息控制所述空调风向朝向所述位置或者避开所述位置， 并同时控制空调的风速、 温度或湿度等等。 例如， 用户的语音信息为 “启动直吹， 控制风速为 中速档” ， 则可以控制所述空调的风向朝向用户的位置并控制空调的风速为中速档。 0037。

19、 本发明实施例中， 接收用户的语音信息； 识别所述语音信息对应的控制参数； 依据 所述语音信息获取所述用户所在的位置的位置信息； 基于所述控制参数及所述位置信息对 空调进行控制。 这样， 通过用户的语音信息及用户的位置信息对空调进行自动控制， 不需要 通过空调遥控器控制， 能够提高空调控制的智能化程度。 0038 可选的， 所述基于所述控制参数及所述位置信息对空调进行控制， 包括： 0039 基于所述控制参数及所述位置信息控制所述空调的风向朝向所述位置或者避开 所述位置。 0040 其中， 在所述控制参数为指示所述空调的风向朝向所述用户的情况下， 可以控制 所述空调的风向朝向用户所在的位置， 。

20、在所述控制参数为指示所述空调的风向避开所述用 户的情况下， 可以控制所述空调的风向远离用户所在的位置。 0041 该实施方式中， 基于所述控制参数及所述位置信息控制所述空调的风向朝向所述 位置或者避开所述位置， 这样， 可以基于所述控制参数及所述位置自动控制所述空调的风 向， 进一步提高空调控制的智能化程度。 0042 可选的， 所述依据所述语音信息获取所述用户所在的位置的位置信息， 包括： 0043 通过声源定位， 确定发出所述语音信息的用户所在的位置的位置信息。 0044 其中， 所述空调可以设置有一个或多个声音传感器， 例如， 麦克风。 可以通过一个 或多个声音传感器进行声源定位， 确定。

21、发出所述语音信息的用户所在的位置的位置信息。 0045 该实施方式中， 通过声源定位， 确定发出所述语音信息的用户所在的位置的位置 信息， 能够较为准确地获取用户的位置信息。 0046 可选的， 所述基于所述控制参数及所述位置信息控制所述空调的风向朝向所述位 置或者避开所述位置， 包括： 0047 在所述控制参数为指示所述空调的风向朝向所述用户的情况下， 控制所述空调的 风向朝向所述第一类声源位置。 说明书 3/11 页 6 CN 111981644 A 6 0048 其中， 所述第一类声源位置可以为预测的用户所在的位置。 用户所在的位置可以 在多类声源位置中的一类声源位置中。 因为空调的出风。

22、口处的导风板的转动角度最大为 180 ， 而空调的风向可以通过所述导风板的转动角度进行控制。 可以每隔预设角度划分为 一类声源位置， 得到多类声源位置， 所述第一类声源位置可以为多类声源位置中的一类声 源位置。 0049 进一步的， 在所述控制参数为指示所述空调的风向避开所述用户的情况下， 可以 控制所述空调的风向朝向所述第一类声源位置以外的任一类声源位置， 或者， 可以控制所 述空调的风向朝向所述第二类声源位置， 所述第二类声源位置为距离所述第一类声源位置 最远的一类声源位置。 0050 该实施方式中， 在所述控制参数为指示所述空调的风向朝向所述用户的情况下， 控制所述空调的风向朝向所述第一。

23、类声源位置。 这样， 在用户指示所述空调的风向朝向所 述用户的情况下， 能够最大程度的使得空调的风向朝向用户， 用户体验较好。 0051 可选的， 所述位置信息包括所述用户所在的位置与所述空调之间的距离， 所述控 制所述空调的风向朝向所述第一类声源位置， 包括： 0052 控制所述空调的风向朝向所述第一类声源位置， 且控制所述空调的风速为目标风 速， 所述目标风速与所述用户所在的位置与所述空调之间的距离呈正相关。 0053 其中， 在所述用户所在的位置与所述空调之间的距离较大时， 也就是用户离空调 较远时， 能够控制所述空调的风速较大； 在所述用户所在的位置与所述空调之间的距离较 小时， 也就。

24、是用户离空调较近时， 能够控制所述空调的风速较小。 0054 该实施方式中， 控制所述空调的风速为目标风速， 所述目标风速与所述用户所在 的位置与所述空调之间的距离呈正相关， 能够实现智能控制风速， 用户体验较好。 0055 可选的， 所述基于所述控制参数及所述位置信息控制所述空调的风向朝向所述位 置或者避开所述位置， 包括： 0056 在所述控制参数为指示所述空调的风向避开所述用户的情况下， 控制所述空调的 风向朝向所述第二类声源位置， 所述第二类声源位置为距离所述第一类声源位置最远的一 类声源位置。 0057 其中， 所述第二类声源位置可以为偏离所述第一类声源位置角度最大的一类声源 位置，。

25、 例如， 若每隔10 划分为一类声源位置， 得到18类声源位置， 若第一类声源位置为60 ， 则所述第二类声源位置可以为180 。 0058 该实施方式中， 在所述控制参数为指示所述空调的风向避开所述用户的情况下， 控制所述空调的风向朝向所述第二类声源位置， 所述第二类声源位置为距离所述第一类声 源位置最远的一类声源位置， 这样， 在用户指示所述空调的风向避开所述用户的情况下， 能 够最大程度的使得空调的风向避开用户， 用户体验较好。 0059 可选的， 所述依据所述语音信息获取所述用户所在的位置的位置信息， 包括： 0060 使用预先训练的多类声源位置的概率分布函数分别计算所述语音信息的概率。

26、， 以 识别所述语音信息对应的所述第一类声源位置， 其中， 所述第一类声源位置的概率分布函 数计算所述语音信息的概率最高。 0061 其中， 所述使用预先训练的多类声源位置的概率分布函数分别计算所述语音信息 的概率可以是， 计算所述语音信息的特征向量， 基于所述语音信息的特征向量使用预先训 说明书 4/11 页 7 CN 111981644 A 7 练的多类声源位置的概率分布函数分别计算所述语音信息的概率， 可以计算所述语音信息 的特征向量在各类声源位置的后验概率， 第一类声源位置可以为后验概率最大的一类声源 位置， 可以预测用户的位置最有可能在第一类声源位置。 0062 该实施方式中， 通过。

27、使用预先训练的多类声源位置的概率分布函数分别计算所述 语音信息的概率， 以识别所述语音信息对应的所述第一类声源位置， 能够较为准确地预测 用户所在的位置。 0063 可选的， 所述多类声源位置的概率分布函数通过如下方式训练得到： 0064 按照声源位置相对于所述空调的出风口的角度进行分类， 得到多类声源位置； 0065 获取所述多类声源位置中每类声源位置对应的多个语音信号， 将所述每类声源位 置对应的多个语音信号作为训练样本； 0066 基于所述训练样本获取所述每类声源位置对应的概率分布函数。 0067 其中， 因为空调的出风口处的导风板的转动角度最大为180 ， 而空调的风向可以 通过所述导。

28、风板的转动角度进行控制。 可以每隔(180/N)度划分为一类声源位置， 得到N类 声源位置， N为正整数。 例如， 可以每隔10 划分为一类声源位置， 得到18类声源位置； 或者， 还可以每隔20 划分为一类声源位置， 得到9类声源位置； 或者， 还可以每隔30 划分为一类 声源位置， 得到6类声源位置。 可以在每一类声源位置所在的区域内获取多个语音信号， 作 为该类声源位置的训练样本， 基于该类声源位置的训练样本获取该类声源位置对应的概率 分布函数。 0068 进一步的， 所述基于所述训练样本获取所述每类声源位置对应的概率分布函数， 可以是， 采用广义互相关-相位变换方法GCC-PHAT获取。

29、所述训练样本的特征向量， 基于所述 训练样本的特征向量进行线性判别分析LDA训练， 采用所述训练样本的特征向量对训练后 的LDA进行投影， 对投影后的特征向量采用极大似然估计法获取高斯模型的均值和方差， 基 于所述高斯模型的均值和方差获取所述每类声源位置对应的概率分布函数； 或者， 还可以 是， 采用线性预测系数(LPC)方法获取所述训练样本的特征向量， 基于所述训练样本的特征 向量进行线性判别分析LDA训练， 采用所述训练样本的特征向量对训练后的LDA进行投影， 对投影后的特征向量采用极大似然估计法获取高斯模型的均值和方差， 基于所述高斯模型 的均值和方差获取所述每类声源位置对应的概率分布函。

30、数； 或者， 还可以是， 采用离散小波 变换(DWT)方法获取所述训练样本的特征向量， 对获取的特征向量采用极大似然估计法获 取高斯模型的均值和方差， 基于所述高斯模型的均值和方差获取所述每类声源位置对应的 概率分布函数。 本发明实施例对此不进行限定。 0069 该实施方式中， 按照声源位置相对于所述空调的出风口的角度进行分类， 得到多 类声源位置； 获取所述多类声源位置中每类声源位置对应的多个语音信号， 将所述每类声 源位置对应的多个语音信号作为训练样本； 基于所述训练样本获取所述每类声源位置对应 的概率分布函数。 这样， 基于所述训练样本获取所述每类声源位置对应的概率分布函数， 能 够提高。

31、声源定位获取用户的位置的准确性。 0070 可选的， 所述基于所述训练样本获取所述每类声源位置对应的概率分布函数， 包 括： 0071 采用广义互相关-相位变换方法GCC-PHAT获取所述训练样本的特征向量； 0072 基于所述训练样本的特征向量进行线性判别分析LDA训练； 说明书 5/11 页 8 CN 111981644 A 8 0073 采用所述训练样本的特征向量对训练后的LDA进行投影； 0074 对投影后的特征向量采用极大似然估计法获取高斯模型的均值和方差； 0075 基于所述高斯模型的均值和方差获取所述每类声源位置对应的概率分布函数。 0076 其中， 可以采用广义互相关-相位变换。

32、方法GCC-PHAT(Generalized Cross Correlation PHAse Transformation)提取训练样本的特征， 在通过两个麦克风采集语音 信息的情况下， 可以采用如下方式： 0077 可以采集两个麦克风的通道信号， 采用如下公式计算加权广义互相关函数 0078 0079其中， 表示时间， max为语音信号到达两个麦克风的时间差， 为角频率。表 示相位加权函数：X1()为第一个麦克风采集的语音信号的加窗傅里叶变换 结果，为第二个麦克风采集的语音信号的加窗傅里叶变换的共轭。的总长度 为2 max+1， 即得到2 max+1个特征， 假设命令词为N个， 可以得到N(。

33、2 max+1)维特征。 0080 进一步的， 基于所述训练样本的特征向量进行线性判别分析LDA训练， 可以采用如 下方式： 0081 可以采用如下公式计算整体散度矩阵： 0082 0083 其中， X表示整个训练样本集合， x表示每一个训练样本提取的特征向量， 表示所 有训练样本的特征均值向量。 整体散度矩阵与类内散度矩阵和类间散度矩阵的关系如下： STSB+Sw， Sw表示类内散度矩阵， 由于有多类声源位置类别， Sw可以采用如下公式获得： 0084 0085 其中， Si表示第i类声源位置的类内散度矩阵， Si可以采用如下公式获得： 0086 0087 其中， x表示属于第i类声源位置的。

34、每一个训练样本提取的特征向量，i表示第i类 声源位置所有训练样本的特征均值向量。 0088 可以采用如下公式获得类间散度矩阵SB： 0089 SBST-Sw 0090 根据Sw和ST经过推导简化可以得到： 0091 0092 其中Ni表示第i类声源位置的训练样本总个数。 0093 可以采用如下公式设置损失函数为： 说明书 6/11 页 9 CN 111981644 A 9 0094 0095 可以利用拉格朗日乘子法最大化损失函数J， 求得最佳投影矩阵W。 0096 可以将所有训练样本的特征向量按照每一类声源位置分别使用训练好的LDA进行 投影， 进行投影后可以利用极大似然估计算法得到高斯模型的。

35、均值和方差， 从而可以得到 每一类声源位置的概率分布函数。 0097 该实施方式中， 采用广义互相关-相位变换方法GCC-PHAT获取所述训练样本的特 征向量； 基于所述训练样本的特征向量进行线性判别分析LDA训练； 采用所述训练样本的特 征向量对训练后的LDA进行投影； 对投影后的特征向量采用极大似然估计法获取高斯模型 的均值和方差； 基于所述高斯模型的均值和方差获取所述每类声源位置对应的概率分布函 数。 这样， 能够对多类声源位置进行更好地分类， 从而提高声源定位的准确性。 0098 可选的， 所述方法还包括： 0099 获取当前环境参数； 0100 将所述当前环境参数与预设环境参数进行匹。

36、配； 0101 若当前环境参数与所述预设环境参数匹配， 则采用与所述预设环境参数对应的控 制参数控制空调； 0102 其中， 所述当前环境参数包括环境温度、 环境湿度、 环境光强及时间中的至少一 项。 0103 其中， 可以预先存储有预设环境参数以及与所述预设环境参数对应的控制参数， 所述预设环境参数可以包括预设环境温度、 预设环境湿度、 预设环境光强及预设时间中的 至少一项。 所述当前环境参数与所述预设环境参数匹配， 可以是， 当前环境参数大于或等于 所述预设环境参数， 所述预设环境参数可以包括预设环境温度， 预设环境参数对应的控制 参数可以为该预设环境温度对应的控制参数。 例如， 预设环境。

37、温度可以为38， 该预设环境 温度对应的控制参数为： 开启冷风， 控制空调的目标温度为25， 当环境温度达到38时， 则控制空调开启冷风， 并控制空调的目标温度为25。 所述当前环境参数与所述预设环境 参数匹配， 还可以是， 当前环境参数小于所述预设环境参数， 例如， 预设环境温度可以为20 ， 该预设环境温度对应的控制参数为： 开启热风， 控制空调的目标温度为28， 当环境温 度低于20时， 则控制空调开启热风， 并控制空调的目标温度为28。 0104 进一步的， 所述预设环境参数还可以包括预设环境温度和预设环境光强， 例如， 预 设环境温度可以为30， 预设环境光强为10Lux， 该预设环。

38、境参数对应的控制参数为： 开启 冷风， 控制空调的目标温度为25， 当环境温度高于30且环境光强大于10Lux时， 则控制 空调开启冷风， 并控制空调的目标温度为25。 可以采用温度传感器获取环境温度， 采用光 传感器获取环境光强， 根据环境光强判断是在夜间， 从而不启动空调， 根据环境温度和环境 光强控制空调， 避免夜间自动开启空调， 干扰用户的睡眠环境。 0105 需要说明的是， 可以通过智能音箱控制空调， 可以在智能音箱内部安装温度传感 器和光传感器， 智能音箱通过温度传感器和光传感器获取音箱所处环境的温度和光强。 可 以采集高温高光强、 高温低光强、 低温低光强以及低温高光强等各种让人。

39、感觉不舒适的环 境参数， 将该让人感觉不舒适的环境参数作为预设环境参数存储在智能音箱， 并将与所述 说明书 7/11 页 10 CN 111981644 A 10 预设环境参数对应的控制参数以音箱播放信息的形式存储在智能音箱。 例如， 室内温度达 到38， 智能音箱可以播放： 打开空调， 打开冷风， 调整目标温度为25。 智能音箱还可以通 过环境温度和环境光强判断当前为白天或者夜间， 从而在白天和夜间采用不同的控制策 略。 空调接收到智能音箱播放的语音， 对该语音进行语音识别， 可以根据语音识别的内容控 制空调， 从而执行语音所传达的命令； 或者， 为提高智能音箱控制空调的控制效果， 还可以 。

40、对语音识别的内容进行判断， 若该语音识别的内容存储在空调， 则根据语音识别的内容控 制空调， 若该语音识别的内容没有存储在空调， 则丢弃该语音识别的内容。 0106 该实施方式中， 获取当前环境参数； 将所述当前环境参数与预设环境参数进行匹 配； 若当前环境参数与所述预设环境参数匹配， 则采用与所述预设环境参数对应的控制参 数控制空调， 能够根据当前环境参数对空调进行自动控制， 进一步提高空调控制的智能化 程度。 0107 参见图2， 图2是本发明实施例提供的一种空调控制装置的结构示意图， 如图2所 示， 空调控制装置200包括： 0108 接收模块201， 用于接收用户的语音信息； 0109。

41、 识别模块202， 用于识别所述语音信息对应的控制参数； 0110 第一获取模块203， 用于依据所述语音信息获取所述用户所在的位置的位置信息； 0111 第一控制模块204， 用于基于所述控制参数及所述位置信息对空调进行控制。 0112 可选的， 所述第一控制模块204具体用于： 0113 基于所述控制参数及所述位置信息控制所述空调的风向朝向所述位置或者避开 所述位置。 0114 可选的， 所述第一获取模块203具体用于： 0115 通过声源定位， 确定发出所述语音信息的用户所在的位置的位置信息。 0116 可选的， 所述第一控制模块204具体用于： 0117 在所述控制参数为指示所述空调的。

42、风向朝向所述用户的情况下， 控制所述空调的 风向朝向第一类声源位置。 0118 可选的， 所述位置信息包括所述用户所在的位置与所述空调之间的距离， 所述第 一控制模块204还用于： 0119 控制所述空调的风向朝向所述第一类声源位置， 且控制所述空调的风速为目标风 速， 所述目标风速与所述用户所在的位置与所述空调之间的距离呈正相关。 0120 可选的， 所述第一控制模块204具体用于： 0121 在所述控制参数为指示所述空调的风向避开所述用户的情况下， 控制所述空调的 风向朝向第二类声源位置， 所述第二类声源位置为距离所述第一类声源位置最远的一类声 源位置。 0122 可选的， 所述第一获取模。

43、块203具体用于： 0123 使用预先训练的多类声源位置的概率分布函数分别计算所述语音信息的概率， 以 识别所述语音信息对应的第一类声源位置， 其中， 所述第一类声源位置的概率分布函数计 算所述语音信息的概率最高。 0124 可选的， 所述多类声源位置的概率分布函数通过如下方式训练得到： 0125 按照声源位置相对于所述空调的出风口的角度进行分类， 得到多类声源位置； 说明书 8/11 页 11 CN 111981644 A 11 0126 获取所述多类声源位置中每类声源位置对应的多个语音信号， 将所述每类声源位 置对应的多个语音信号作为训练样本； 0127 基于所述训练样本获取所述每类声源位。

44、置对应的概率分布函数。 0128 可选的， 所述第一获取模块203还用于： 0129 采用广义互相关-相位变换方法GCC-PHAT获取所述训练样本的特征向量； 0130 基于所述训练样本的特征向量进行线性判别分析LDA训练； 0131 采用所述训练样本的特征向量对训练后的LDA进行投影； 0132 对投影后的特征向量采用极大似然估计法获取高斯模型的均值和方差； 0133 基于所述高斯模型的均值和方差获取所述每类声源位置对应的概率分布函数。 0134 可选的， 如图3所示， 所述空调控制装置200还包括： 0135 第二获取模块205， 用于获取当前环境参数； 0136 匹配模块206， 用于将。

45、所述当前环境参数与预设环境参数进行匹配； 0137 第二控制模块207， 用于若当前环境参数与所述预设环境参数匹配， 则采用与所述 预设环境参数对应的控制参数控制空调； 0138 其中， 所述当前环境参数包括环境温度、 环境湿度、 环境光强及时间中的至少一 项。 0139 空调控制装置能够实现图1的方法实施例中实现的各个过程， 为避免重复， 这里不 再赘述。 0140 请参见图4， 图4是本发明实施例提供的一种电子设备的结构示意图， 如图4所示， 电子设备300包括： 存储器302、 处理器301及存储在所述存储器302上并可在所述处理器301 上运行的程序， 其中： 0141 所述处理器30。

46、1读取存储器302中的程序， 用于执行： 0142 接收用户的语音信息； 0143 识别所述语音信息对应的控制参数； 0144 依据所述语音信息获取所述用户所在的位置的位置信息； 0145 基于所述控制参数及所述位置信息对空调进行控制。 0146 本发明实施例中， 接收用户的语音信息； 识别所述语音信息对应的控制参数； 依据 所述语音信息获取所述用户所在的位置的位置信息； 基于所述控制参数及所述位置信息对 空调进行控制。 这样， 通过用户的语音信息及用户的位置信息对空调进行自动控制， 不需要 通过空调遥控器控制， 能够提高空调控制的智能化程度。 0147 可选的， 所述处理器301执行的所述基。

47、于所述控制参数及所述位置信息对空调进 行控制， 包括： 0148 基于所述控制参数及所述位置信息控制所述空调的风向朝向所述位置或者避开 所述位置。 0149 可选的， 所述处理器301执行的所述依据所述语音信息获取所述用户所在的位置 的位置信息， 包括： 0150 通过声源定位， 确定发出所述语音信息的用户所在的位置的位置信息。 0151 可选的， 所述处理器301执行的所述基于所述控制参数及所述位置信息控制所述 空调的风向朝向所述位置或者避开所述位置， 包括： 说明书 9/11 页 12 CN 111981644 A 12 0152 在所述控制参数为指示所述空调的风向朝向所述用户的情况下， 。

48、控制所述空调的 风向朝向所述第一类声源位置。 0153 可选的， 所述位置信息包括所述用户所在的位置与所述空调之间的距离， 所述处 理器301执行的所述控制所述空调的风向朝向所述第一类声源位置， 包括： 0154 控制所述空调的风向朝向所述第一类声源位置， 且控制所述空调的风速为目标风 速， 所述目标风速与所述用户所在的位置与所述空调之间的距离呈正相关。 0155 可选的， 所述处理器301执行的所述基于所述控制参数及所述位置信息控制所述 空调的风向朝向所述位置或者避开所述位置， 包括： 0156 在所述控制参数为指示所述空调的风向避开所述用户的情况下， 控制所述空调的 风向朝向第二类声源位置。

49、， 所述第二类声源位置为距离所述第一类声源位置最远的一类声 源位置。 0157 可选的， 所述处理器301执行的所述依据所述语音信息获取所述用户所在的位置 的位置信息， 包括： 0158 使用预先训练的多类声源位置的概率分布函数分别计算所述语音信息的概率， 以 识别所述语音信息对应的第一类声源位置， 其中， 所述第一类声源位置的概率分布函数计 算所述语音信息的概率最高。 0159 可选的， 所述处理器301还用于执行： 0160 按照声源位置相对于所述空调的出风口的角度进行分类， 得到多类声源位置； 0161 获取所述多类声源位置中每类声源位置对应的多个语音信号， 将所述每类声源位 置对应的多。

50、个语音信号作为训练样本； 0162 基于所述训练样本获取所述每类声源位置对应的概率分布函数。 0163 可选的， 所述处理器301执行的所述基于所述训练样本获取所述每类声源位置对 应的概率分布函数， 包括： 0164 采用广义互相关-相位变换方法GCC-PHAT获取所述训练样本的特征向量； 0165 基于所述训练样本的特征向量进行线性判别分析LDA训练； 0166 采用所述训练样本的特征向量对训练后的LDA进行投影； 0167 对投影后的特征向量采用极大似然估计法获取高斯模型的均值和方差； 0168 基于所述高斯模型的均值和方差获取所述每类声源位置对应的概率分布函数。 0169 可选的， 所述。