随着科学的不断发展以及智能终端的普及,人们对生活方式有了新的认识,开始追求舒适、方便和智能的家居环境,所以智能家居领域得到迅速的兴起。语音识别控制技术作为常见的指令控制方式,在智能家居的应用越来越广泛,基于语音识别的家居设备控制系统已经成为人工智能领域研究的焦点。本文以基于语音识别的家居设备控制系统为研究对象,开展了如下工作:一、研究面向家居噪声环境的分层自适应去噪算法:首先,研究噪声在不同标准下的分类;其次,介绍了几种传统的去噪方法的原理,并且根据每种去噪方法的去噪结果,分析了各自的优缺点;最后,在纯净的语音指令中加入机器噪声和人为噪声来模拟家居噪声环境,提出用分层自适应去噪算法对不同种类的噪声进行去噪,并对该算法的有效性进行了验证。二、研究面向家居口语环境的组合神经网络语音识别算法:首先,分别研究了深度神经网络DNN和长短时记忆神经网络LSTM的模型结构和训练算法;其次,结合LSTM利用记忆单元可以记录很长的历史信息的特征以及DNN可以有效的提取数据中的高层次信息特征的特点,提出在DNN隐藏层的第一层加入LSTM的想法,构建了DNN和LSTM相结合的组合神经网络;然后,利用组合模型对不同语种的语音数据集训练声学模型,同时引入信息熵的概念,提出了一种语种匹配流程,通过比较两种声学模型的输出概率的信息熵的大小,得到最佳输出结果;最后对本文提出的组合神经网络DNN-LSTM的性能以及语种匹配流程的进行了验证,验证其可行性。三、设计并实现了基于语音识别的家居设备控制系统:首先,对本文的语音识别家居设备控制系统的软件功能与硬件组成进行了详细的说明;其次,划分系统功能模块并作详细介绍;最后,测试了该系统的识别率以及识别速度,测试结果证明了本系统在性能上的优越性。