基于STM32的智能家居语音控制系统设计

随着人工智能与物联网快速发展，传统家居已难以满足高品质生活需求，本方案以STM32微控制器为核心，结合传感器、语音识别、无线通信及自动控制技术，设计智能家居语音控制系统，系统可实时采集室内温湿度、光照、烟雾浓度等环境数据，依据预设阈值或用户语音指令自动管控风扇、灯光、窗帘等设备；通过ESP8266接入机智云物联网平台，用户借助手机APP即可查看设备状态，实现语音、按键远程操控，“即说即控”的交互模式使用便捷，为家庭提供高效安全的智能家居解决方案，推动智能家居技术落地普及。

PART.0系统总体设计

1.1 系统设计思路

本系统以STM32作为主控制模块，通过传感器对室内温湿度、烟雾浓度及光照强度等环境参数进行数据采集，并将数据实时显示在OLED上，便于用户直观了解环境信息。系统工作模式有：手动模式下，用户可通过手机APP直接控制LED灯、风扇、窗帘及加湿器等设备；自动模式下，系统则会依据预设的环境参数阈值，自主调节设备运行，以达到设定的环境状态。语音交互功能，用户通过说出预设的指令，可以直接控制LED灯、风扇、窗帘以及加湿器等设备的运行状态。对LED灯和风扇采用了脉冲宽度调制调节技术，用户可灵活调节灯光亮度与风扇转速。同时，还设置了按键调节功能，用户可根据需求调整传感器的触发阈值。

1.2 系统架构设计

系统的设计分为硬件与软件两部分。硬件部分由主控模块、采集、显示、执行、通信、语音识别与按键等多个模块组成。这些模块各司其职又相互配合，共同完成各项控制任务。软件部分采用模块化思想设计，在Keil MDK-ARM环境中应用C语言编程。系统总体设计框图如图1所示。

主控模块：STM32F103C8T6是系统的核心部件，负责管理设备、处理数据及协调用户交互界面。

采集模块：包括DHT11温湿度传感器、MQ-2烟雾传感器和BH1750光照传感器，实时采集环境数据，并通过STM32内置的模数转换进行读取和处理数据。

执行与显示模块：OLED通过I2C接口与STM32连接，实时显示温度、湿度、烟雾浓度和光照强度等数据。同时，LED、风扇、28BYJ-48步进电机、加湿器和蜂鸣器设备可根据控制指令作出相应的反应。

采集模块：包括DHT11温湿度传感器、MQ-2烟雾传感器和BH1750光照传感器，实时采集环境数据，并通过STM32内置的模数转换进行读取和处理数据。

执行与显示模块：OLED通过I2C接口与STM32连接，实时显示温度、湿度、烟雾浓度和光照强度等数据。同时，LED、风扇、28BYJ-48步进电机、加湿器和蜂鸣器设备可根据控制指令作出相应的反应。

语音识别模块：旨在接收用户的语音命令，并据此对LED灯、风扇、窗帘以及加湿器等设备进行控制。

通信模块：采用ESP8266 WiFi无线通信模块，接入机智云平台，实现设备的远程操控与数据传输。

按键模块：用于实现人机互动，支持用户对系统各项功能进行配置与操作。

PART.02系统硬件设计

2.1 系统的硬件电路

系统硬件电路以STM32F103C8T6为核心，其设计原理图如图2所示。核心组件包括系统板、OLED模块、DHT11温湿度传感器、MQ-2烟雾传感器、BH1750光照传感器、ASRPRO语音识别模块及ESP8266 WiFi模块等。

2.2 主控模块

系统主控芯片选用ST公司基于Cortex-M3内核的STM32F103C8T6。该芯片具有高性能、低功耗、丰富的外设接口以及灵活的存储配置等特点，可以应用于从简单控制到复杂通信协议处理的多种应用场景。在本系统中，它作为核心控制器，负责统筹任务调度、管理外围设备的运行状态、执行实时数据处理，并协调人机交互流程，是整个系统稳定高效运行的关键所在。

2.3 采集模块

采集模块由多种传感器组成，用于实时获取家居环境数据，其中包括DHT11温湿度传感器、MQ-2烟雾浓度检测传感器以及BH1750光照强度传感器等。这些传感器通过模拟或数字接口与STM32主控连接。DHT11是一款常用于测量环境温度和湿度的数字传感器，用于实时采集家居的温湿度数据。

MQ-2烟雾传感器采集可燃气体和烟雾浓度，当浓度超过设定阈值时，系统将触发报警并执行相应的安全措施，以保障居家安全。BH1750是一款数字光强度传感器，用于实时采集家居光照数据，系统根据光照强度自动控制窗帘的开闭。此外，随着传感器技术的发展，触觉传感器等多模态传感手段也为智能家居环境感知提供了新的可能。

2.4 语音识别模块

ASRPRO是一款支持高性能离线语音识别模块，无需网络连接即可准确识别用户预设的语音指令，并输出相应控制信号。用户通过说出“开灯”“关风扇”等指令，并可触发对应设备的操作，显著提升了使用便捷性。该模块依托数字信号处理（Digital Signal Processing,DSP）技术，通过内置麦克风将语音转换为电信号，再由DSP芯片完成频谱分析、特征提取和模式匹配等一系列处理。识别结果通过UART串口发送至STM32F103C8T6微控制器，由其解析并驱动对应设备响应，从而实现语音控制的流畅衔接。

2.5 通信模块

ESP8266 WiFi模块负责系统的网络接入及与机智云平台的通信。该模块支持STA（客户端）、AP（热点）以及STA+AP混合3种工作模式。本系统选用STA+AP混合模式，硬件连接上，ESP8266 WiFi模块的接收端与STM32F103C8T6的PA2引脚对接，发送端则连接至STM32的PA3引脚，通过串行通信实现主控芯片与WiFi模块间的双向数据传输，从而为远程控制功能提供了稳定可靠的通信支持。在物联网通信安全方面，可采用轻量级加密算法进一步提升传输安全。

PART.03系统软件设计

3.1 主程序设计

系统软件设计围绕主循环与定时中断协同工作的机制展开。系统启动后，首先初始化各模块，进入主循环。系统通过采集模块实时获取环境中的温湿度、烟雾浓度和光照强度等数据信息，并将其实时传送给主控模块进行分析处理，最终由显示模块直观呈现。在手动模式下，用户可借助手机APP或按键对设备状态进行即时干预；在自动模式下，一旦检测到数据超过预设的安全阈值，系统将立即启动蜂鸣器发出警示，并同步触发相应的控制指令，联动调节风扇、加湿器、窗帘等执行模块的工作状态。在语音模式下，ASRPRO模块负责接收并识别用户发出的语音指令，并触发相应设备操作。系统支持用户对风扇转速和LED灯亮度进行动态调节；还支持用户通过按键界面便捷地设定各类环境参数的报警阈值。

在机智云平台完成开发者账号注册，并创建个人产品项目，随后根据实际硬件功能定义相应的数据点，包括其数据类型、取值范围及读写权限等配置。接着，对平台自动生成的设备端代码及APP控制端源码进行针对性修改。在完成ESP8266 WiFi模块的固件烧录后，即可确保其稳定接入互联网，并与机智云服务器建立可靠通信。系统主程序流程图如图3所示。

PART.04系统各功能程序设计

3.2.1 WiFi子程序

首先需在机智云官方平台完成开发者账户的注册，并新建一个采用独立MCU方案的产品项目。将系统模式设置为可写类型、枚举类型；枚举范围为手动模式和自动模式。接着，依据风扇、加湿器、窗帘和LED等实际功能，定义对应的数据点，明确每个参数的读写属性及数值范围。配置完成后，将机智云提供的标准WiFi模块固件直接烧录至通信模块。

然后，将机智云平台自动生成的代码包中Gizwits和Utils两个文件夹移植至系统开发的工程文件中[9]，屏蔽一些不需要的代码，同时添加一下自己编写的代码。在硬件驱动初始化阶段，STM32会先完成连接ESP8266的串口外设配置。紧接着，通过发送特定的AT指令序列对WiFi模块进行初始化，该流程包括复位操作、设置为STA模式，并最终引导其接入指定的无线局域网。

3.2.2 语音识别子程序

ASRPRO语音识别模块通过串口将识别到的指令发送至STM32F103C8T6微控制器，从而实现对风扇、LED灯、加湿器及窗帘等设备的语音操控。该子程序的开发分为ASRPRO端的语音模型部署和STM32端编写主程序两部分。首先，使用天问BLOCK软件进行ASRPRO的语音模型部署：在“初始化设置区”中配置开机播报内容与各引脚初始状态；在“语音唤醒词设置区”中编写并设定用于触发识别的核心逻辑。接着，对工程进行编译，并将生成的语音模型下载至ASRPRO模块中。随后，进行STM32端程序开发：在主函数中初始化USART3串口并设置中断服务程序。其核心工作是，当中断触发时，解析并保存数据至Usart3＿RxPacket数组，以供主循环处理。该模块具有脱机识别能力，能够处理多条预设指令，具有识别速度快、功耗低等特点。部分代码如图4所示。

PART.05系统测试

为确保系统在可靠性、稳定性及控制性能等方面达到设计目标，开展了全面的功能验证与性能测试，涵盖硬件连接、各工作模式运行效果及系统综合性能3个方面。

4.1 硬件与基本功能测试

系统上电前，需全面检查各硬件模块间的引脚连接，避免存在短路或接触不良等情况。上电后，系统初始化各模块，OLED显示环境状态，显示内容为：第一行，温度（℃）与湿度（%RH）；第二行，光照强度（Lux）；第三行，烟雾浓度（ppm）；第四行，当前工作模式（自动/手动/语音）。

手动模式下，用户既可通过本地按键，也可借助手机APP单独控制加湿器、LED灯、窗帘等设备的开关与运行参数。语音模式下，使用唤醒词“小明”激活后，发出如“开灯”“关风扇”等指令即可实现语音操控，在低噪声环境中识别准确率超过96%，平均响应时间短于350 ms。自动模式下，系统会根据预先设定的温度、湿度、光照及烟雾阈值，自动协调各设备联动，实现对环境条件的智能调节。

4.2 性能量化测试与分析

为客观评估系统性能，对关键指标进行了量化测试。自动模式下传感器阈值触发的响应精度与实时性测试结果如表1所示。

通过ESP8266 WiFi模块与机智云平台保持稳定连接，在24 h连续测试中，数据上传成功率为99.4%，网络通信丢包率为0.6%，指令下发平均延迟为920 ms，断线后重连时间小于5 s。系统在72 h长时间运行中未出现异常现象，各模式切换顺畅，执行准确率为99.8%。

4.3 测试结论与系统展示

综合测试结果表明，本系统在语音识别准确度、控制响应时效、阈值触发精度及远程通信稳定性等核心指标上均表现良好，符合预设设计要求。整体具备较高的可靠度、实用性与推广潜力，可为家居环境的智能化管理提供一套可行的自动化解决方案。实际运行状态如图5所示。

PART.06结语

本系统以STM32F103C8T6为主控制器，结合ASRPRO语音模块、ESP8266 WiFi模块及各类传感器，设计了一个能够感知环境、支持多种交互方式，并可连接云端的智能家居控制系统。相较于同类STM32方案，系统在语音实时性、场景适应性和系统可靠性上均做了改进。语音交互部分采用ASRPRO模块实现本地离线识别，无需联网即可完成指令处理。测试表明，识别准确率高于96%，平均响应时间仅为320 ms。

系统通过整合温度、湿度、光照及烟雾等多种传感器信息，支持用户自定义触发阈值，提升了在不同环境下的灵活性。尽管本系统已实现了预期功能，但在语音识别性能与云平台功能等方面还可进一步优化。在语音识别上可引入基于深度学习的语音识别算法或设计词条学习功能，以提升系统的灵活性与个性化程度；在云平台方面可进一步强化数据分析功能，实现更多智能场景的自动化预测与个性化建议。总之，本系统通过本地语音交互、多传感融合与云端协同，实现了稳定可靠的智能家居控制，为智能家居系统的实用化设计提供了可行参考。

本系统以STM32F103C8T6为主控制器，搭配ASRPRO语音模块、ESP8266 WiFi模块与各类传感器，搭建具备环境感知、多模式交互、云端互联的智能家居控制系统。相较于同类方案，系统优化了语音实时性、场景适应性与运行可靠性，依托ASRPRO实现离线语音识别，识别准确率超96%，平均响应时间320ms；融合温湿度、光照、烟雾传感器数据，支持用户自定义触发阈值。