智能家居时代,智能产品深受用户青睐的背后反应出用户对创新型业务的迫切需求。借助机器学习技术为传统硬件设备和业务服务进行赋能,是实现对传统业务功能创新与性能改善的有效途径。在智能产品中嵌入婴儿看护功能,能及时发现婴儿哭闹,并向用户发出警报,避免婴儿独处时发生危险,具有较大的市场应用价值。立足于此,本文采用哭声检测技术对婴儿哭声进行监测,研究并开发了基于机器学习的智能哭声检测系统。本文工作简述如下:一、研究声纹识别系统中典型的机器学习算法:研究各机器学习模型的算法原理,并对GMM、SVM模型进行仿真实现,通过对比识别准确率和识别速率两项指标,验证二者对哭声信号的识别性能,并为下文“基于混合模型的智能哭声检测技术”研究提供理论依据;二、研究智能哭声检测系统的关键技术方案:首先,针对智能哭声检测系统做出需求分析,并设计了整个智能哭声识别系统的软硬件架构图;其次,提出了哭声检测系统中的两项关键技术:“基于Mel能量的多特征提取技术”和“基于混合模型的智能哭声检测技术”,为智能哭声检测系统的开发实现提供了行之有效的技术方案;三、开发并实现了基于机器学习的智能哭声检测系统。首先,详细阐述了智能哭声检测系统中手机终端侧软件、智能嵌入式设备侧软硬件、以及模型训练等功能的具体实现细节;其次,对系统进行了功能、性能等方面的测试,通过严格的系统测试,验证了该系统在功能与性能上的技术优势。