本發(fā)明涉及智能調節(jié)，特別是涉及一種具備情感智能的環(huán)境調節(jié)系統(tǒng)。

背景技術：

1、隨著智能家居技術的發(fā)展，環(huán)境燈光調節(jié)系統(tǒng)已成為提升居住舒適度的重要設備?，F(xiàn)有的環(huán)境燈光調節(jié)系統(tǒng)多依賴于用戶的手動操作或預設的場景模式進行調節(jié)，缺乏對用戶情緒狀態(tài)的實時感知和響應能力。因此，有必要設計一種具備情感智能的環(huán)境調節(jié)系統(tǒng)，能夠實時感知用戶情緒并據此自動調節(jié)室內燈光，以更好地滿足用戶的個性化需求。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種具備情感智能的環(huán)境調節(jié)系統(tǒng)，解決現(xiàn)有的環(huán)境燈光調節(jié)系統(tǒng)多依賴于用戶的手動操作或預設的場景模式進行調節(jié)，缺乏對用戶情緒狀態(tài)的實時感知和響應能力的問題。

2、本發(fā)明提供了一種具備情感智能的環(huán)境調節(jié)系統(tǒng)，其特征在于，包括：

3、數據獲取模塊，用于獲取用戶的語言信號數據，所述語言信號數據包括語言數據和語音信號數據；

4、語言處理模塊，用于對所述語言數據進行文本預處理，將所述語言數據轉換為文本數據，并對所述文本數據進行分詞和去停用詞處理，得到語言關鍵詞；所述語言處理模塊內預設有情感知識庫，還用于基于優(yōu)化的語言模型，根據所述情感知識庫和語言關鍵詞確定用戶的語言情感評分；

5、語音處理模塊，用于對所述語音信號數據進行特征提取，確定所述語音信號數據的特征數據，基于語音模型，根據所述特征數據確定用戶的語音情感評分；

6、環(huán)境調節(jié)模塊，用于根據所述語言情感評分和所述語音情感評分確定用戶的綜合情感評分，根據所述綜合情感評分調整用戶的環(huán)境燈光配置。

7、優(yōu)選的，所述情感知識庫基于plutchik情感輪盤理論構建，所述情感知識庫包括若干情感類型、情感詞匯、情感關系和情感強度；

8、所述情感類型對應有若干情感詞匯，所述情感詞匯對應有唯一的情感強度，所述情感關系為所述情感類型之間的關系。

9、優(yōu)選的，所述語言處理模塊在用于基于優(yōu)化的語言模型，根據所述情感知識庫和語言關鍵詞確定用戶的語言情感評分時，包括：

10、將所述語言關鍵詞在所述情感知識庫內進行檢索，得到與所述語言關鍵詞相同的情感詞匯的情感類型和情感強度；

11、通過所述優(yōu)化的語言模型根據所述情感類型和情感強度確定用戶的語言情感評分。

12、優(yōu)選的，所述優(yōu)化的語言模型根據提示詞工程進行優(yōu)化，具體為：

13、獲取測試數據和情感知識庫的內容；

14、根據所述情感知識庫的內容構建基礎提示，所述基礎提示包括用戶輸入、相關信息和情感分析；

15、在所述基礎提示內添加指導性內容，根據語言模型對所述測試數據進行情感分析，得到情感分析結果；

16、將情感分析結果與所述測試數據的實際結果進行對比，根據對比結果對所述指導性內容進行優(yōu)化，直至所述語言模型的情感分析結果滿足條件，得到優(yōu)化的語言模型。

17、優(yōu)選的，所述語音處理模塊在用于對所述語音信號數據進行特征提取，確定所述語音信號數據的特征數據時，包括：

18、所述特征數據包括音高值、音量值、語速、共振峰和梅爾頻率倒譜系數；

19、采用自相關法和頻域分析法確定所述語音信號數據中用戶的音高值；

20、采用短時能量和信號包絡確定所述語音信號數據中用戶的音量值；

21、確定所述語音信號數據中每秒鐘的音節(jié)數，根據所述音節(jié)數確定用戶的語速；

22、采用線性預測編碼確定所述語音信號數據中用戶的共振峰；

23、對所述語音信號數據進行傅里葉變換和梅爾頻率濾波，確定所述語音信號數據中用戶的梅爾頻率倒譜系數。

24、優(yōu)選的，所述語音處理模塊在用于基于語音模型，根據所述特征數據確定用戶的語音情感評分時，包括：

25、所述語音模型包括輸入層、卷積層、循環(huán)層、注意力機制、全連接層和輸出層；

26、所述輸入層將所述特征數據生成特征矩陣，并輸入網絡；

27、所述卷積層對所述特征矩陣進行初步處理，提取特征矩陣的時空特征；

28、所述循環(huán)層利用雙向長短期記憶網絡對所述特征矩陣的時空特征進行處理，確定所述特征矩陣的時間依賴性；

29、所述注意力機制對所述特征矩陣的時間依賴性進行加權處理，確定特征數據的權重；

30、所述全連接層根據所述特征數據的權重對所述語音信號數據進行處理，確定所述語音信號數據對應的用戶的語音情感評分；

31、所述輸出層將所述用戶的語音情感評分進行輸出。

32、優(yōu)選的，所述環(huán)境調節(jié)模塊在用于根據所述語言情感評分和所述語音情感評分確定用戶的綜合情感評分時，包括：

33、確定所述語言情感評分和所述語音情感評分之間的評分差值，并將所述語言情感評分和所述語音情感評分進行比較；

34、若所述評分差值大于預設評分差值，則當所述語言情感評分大于所述語音情感評分時，所述用戶的綜合情感評分為語言情感評分；當所述語言情感評分小于所述語音情感評分時，所述用戶的綜合情感評分為語音情感評分；

35、若所述評分差值小于或等于預設評分差值，則對所述語言情感評分和所述語音情感評分進行加權平均，確定所述用戶的綜合情感評分。

36、優(yōu)選的，所述環(huán)境調節(jié)模塊在用于對所述語言情感評分和所述語音情感評分進行加權平均，確定所述用戶的綜合情感評分時，根據下式計算：

37、

38、其中，mz表示綜合情感評分，a表示語言情感評分的權重系數，ml表示語言情感評分，b表示語音情感評分的權重系數，mv表示語音情感評分，c表示歸一化系數。

39、優(yōu)選的，所述環(huán)境調節(jié)模塊在用于根據所述綜合情感評分調整用戶的環(huán)境燈光配置時，包括：

40、所述環(huán)境燈光配置包括燈光的光照強度、色溫和光照周期；

41、對所述環(huán)境燈光配置和綜合情感評分進行數學建模，并形成虛擬環(huán)境；

42、基于虛擬環(huán)境對智能體進行訓練，得到深度強化學習模型，所述深度強化學習模型包括智能體、虛擬環(huán)境、狀態(tài)空間、動作空間和獎勵函數；

43、根據所述深度強化學習模型確定用戶環(huán)境燈光配置的調整策略。

44、優(yōu)選的，所述狀態(tài)空間為s＝[mz，i，t，p]，其中，s表示狀態(tài)空間，mz表示綜合情感評分，i表示光照強度，t表示色溫，p表示光照周期；

45、所述動作空間為a＝[δi，δt，δp]，其中，a表示動作空間，δi表示調節(jié)光照強度，δt表示調節(jié)色溫，δp表示調節(jié)光照周期；

46、所述獎勵函數表示為r＝mz?new-mz?old，其中，mz?new表示執(zhí)行動作后的綜合情感評分，mz-old表示執(zhí)行動作前的綜合情感評分。

47、與現(xiàn)有技術相比，本發(fā)明的有益效果在于，本發(fā)明通過深度強化學習，根據語音數據判斷用戶的情感狀態(tài)，通過人工智能自動調節(jié)環(huán)境參數，為用戶提供一個舒適、愉悅的生活和工作環(huán)境。本發(fā)明通過獲取用戶的語言信號數據，能夠準確地感知用戶的情感狀態(tài)，實現(xiàn)個性化的環(huán)境調節(jié)，提升用戶體驗；結合語言和語音信號的分析，綜合考慮用戶的情感表達，提高情感識別的準確性和全面性；根據用戶的情感評分及時調整環(huán)境燈光配置，營造與用戶情感相匹配的環(huán)境氛圍，有助于緩解用戶的情緒壓力，提升舒適度。利用預設的情感知識庫和優(yōu)化的語言模型、語音模型，能夠更精準地解讀用戶情感，為環(huán)境調節(jié)提供可靠依據。還可以根據不同用戶的情感反應進行動態(tài)調整，適應各種場景和用戶需求。