SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI 1698 Zigbee Modülü Kullan nÕlarak Ses Kontrollü Ev Otomasyonu Geliiútirilmesi Development of a Voicce-Controlled Home Automation Using Ziggbee Module Aykut Çubukçuu1, Melih Kuncan2, Kaplan Kaplan3, H. Metin Ertuunç4 1,2,3,4 Mekatronik Mühendisli÷i Bölümü Kocaeli Üniversitesi {cubukcuaykut}@gmaail.com.tr, {melih.kuncan, kaplan.kaplan, hmertunc}@kocaeeli.edu.tr Özetçe- Bu çalÕúmada, ev içindeki cihazlarÕn konuúma tanÕma tabanlÕ uzaktan kontrolü amaççlanmÕútÕr. Sistem konuúma tanÕma ve komut gönderme olm mak üzere iki ana baúlÕk altÕnda oluúturulmuútur. ølk aúaamada MATLAB ortamÕnda konuúma tanÕma algoritmasÕ gerçekleútirilmiútir. g Öznitelik çÕkartma yöntemi olarak mel frekans kepstrum katsayÕlarÕ kullanÕlmÕútÕr. Öznitelik eúleútirm me yöntemi olarak dinamik zamanlamalÕ çözgü kullanÕlmÕúútÕr. Girilen sesli komutlarÕn tanÕnmasÕndan sonra USB üzerinden ü Arduino pininde de÷iúiklik yapÕlmÕútÕr. De÷iúim alggÕlandÕ÷Õnda verici Zigbee kablosuz a÷ üzerinden kontrol edilm mek istenen cihaza ba÷lÕ alÕcÕ Zigbee modülüne veri göndermeektedir. Gönderilen veri alÕcÕ Zigbee modül tarafÕndan algÕlanndÕ÷Õnda, modülün pininden cihaza ba÷lÕ 5V’luk röle tetiklennmektedir. Böylece bir cihazÕn kablosuz a÷ kullanÕlarak ses komutlarÕyla uzaktan kontrolü baúarÕyla yapÕlmÕútÕr. Anahtar kelimeler— Ses tanÕma, mel frekans kepstrum, A Zigbee, katsayÕlarÕ, dinamik zamanlamalÕ çözgü, Arduino, kablosuz a÷ Abstract- In this study, we aimed sppeech recognitionbased remote control of home devices. The system was designed at two stages: speech recogniition module and transmitter module that sends commands inncluding fewer than two main headings. In the first stage speech s recognition algorithm is implemented in MATLAB. Mel Frequency Cepstrum Coefficients (MFCCs) are ussed as a feature extraction method. Dynamic Timing Warpiing (DTW) is used as a feature matching method. After the reccognition of speech commands entered, Arduino pin situation is changed via USB. The voltage change in pin is detected by the same pin connected to the transmitter Zigbee modulee. When the change is detected, Zigbee transmitter sends data too connecting on the desired device to be controlled the receiver Zigbee module via wireless network. When sending data detected by the receiver Zigbee module, 5V relay is triggered conneccting on the device pins of the module. Thus, it was possibble to successfully remotely control any device with speech commands using wireless network. Keywords— Speech Recognition, Mel-Frequency Cepstrum Coefficients (MFCCs), Dynamicc Timing Warping (DTW), Arduino, Zigbee 1. kaynaklarÕnÕ mümkün oldu÷unnca az kullanacak, akÕllÕ a÷ topolojilerini destekleyecek bir teknolojiye ihtiyaç duyulmuútur. Bunun üzerine IEEE, 802.15.4 standardÕnÕ çÕkarmÕú, bu standartlarÕ temel alan Zigbee protokolünün ve bu protokolü destekleyen cihazlarrÕn üretilmesini sa÷lamÕútÕr. Böylelikle düúük güç tüketen,, düúük maliyetli, akÕllÕ a÷ topolojileri kurabilen Zigbee destekli cihazlar günlük yaúamda yerini almaya baúlamÕútÕr [2]. Teknolojinin geliúmesiylee günümüzde hayatÕmÕzÕ kolaylaútÕran birçok cihaz üreetilmektedir. Bu noktada en önemli çalÕúma alanlarÕndan birii akÕllÕ ev otomasyonudur. Bu evlerde cihazlar genellikle uzakktan ve tek bir dokunmatik kumanda üzerinden kontrol eddilmektedir. Her geçen gün kullanÕcÕ için daha esnek kontroll yöntemleri geliútirilmektedir. Konuúma tanÕma temelli cihaz kontrollü k günümüzde oldukça kullanÕúlÕ bir kontrol yöntemiddir. Bu çalÕúmada, konuúma tanÕma temelli kablosuz a÷ kuullanÕlarak cihazlarÕn uzaktan kontrol edilmesi üzerinde çalÕúÕlmÕútÕr. Konuúma tanÕma v öznitelik eúleútirme olarak algoritmasÕ öznitelik çÕkartma ve iki kÕsÕmdan oluúmaktadÕr. Öznittelik çÕkartma yöntemi olarak mel frekans kepstrum katsayÕlarÕ kullanÕldÕktan sonra, öznitelik eúleútirme yöntemi olaarak ise dinamik zamanlamalÕ çözgü kullanÕlmÕútÕr. Algorritma Matlab ortamÕnda gerçekleútirilmiútir. Konuúma taanÕma algoritmasÕ sonucunda do÷ru eúleúme olunca Matlab ortamÕnda o seri port üzerinden Arduino pini ‘HIGH’ konumunaa getirilmektedir. KonuúmanÕn tanÕnmasÕ sonucunda pinin ‘HIG GH’ konuma getirilmesi verici tarafÕnda olan Zigbee’de algÕlanmaktadÕr. De÷iúiklik algÕlandÕ÷Õnda verici Zigbee kaablosuz a÷ kullanÕlarak alÕcÕ Zigbee’ye sinyal göndermektedirr. AlÕcÕ tarafÕnda olan Zigbee de÷iúikli÷i algÕladÕ÷Õnda 20. pinninden 5V çÕkÕú vermektedir. 20. pine ba÷lÕ 5V röle tetiklenereek úebekeye ba÷lÕ ÕúÕk uzaktan kontrol edilmiútir. Tasarlannan sistem ùekil 1’de gösterilmektedir. GøRøù Ev otomasyon sistemleri, ev aletleerinin artmasÕ ve bu cihazlarÕn özelliklerinin geliúmesi ile önem ö kazanmÕútÕr. Bu cihazlarÕn uzaktan kontrol edilmesi üzeerindeki çalÕúmalar artmaktadÕr [1]. Kablosuz haberleúme dennildi÷i zaman akla ses, resim, video vb. gibi büyük boyutlu veerilerin yüksek veri hÕzÕnda iletimini yapabilen Wi-Fi, WIMA AX, Bluetooth ve úimdilerde popüler olan 3G, 4G gibi teknollojiler gelmektedir. Fakat her zaman büyük boyutlarda veri iletimine ihtiyaç duyulmayabilir. Sensör ve kontrol cihazlarÕÕ küçük boyutlarda veri iletir veya alÕrlar. Bu durumda bu tarzz verilerin iletimini sa÷lamak ve böyle cihazlarÕn kontrolünü yapmak y için sistem ùekil-1: Tasarlaanan sistem 2. SES S øùLEME Ses tanÕma, belirli bir konuúmacÕ tarafÕndan ne söylendi÷inin saptanmasÕ için kullanÕlan bir yöntemlerden birisidir. Ses iúleme teknollojisinin yaygÕn uygulama alanlarÕndandÕr [3]. Bu çalÕúma konuúma tanÕma ve kontrol mekanizmasÕ uygulamasÕ içermekktedir. AlÕcÕ-verici yoluyla bir sistemi uzaktan kontrol eden sess tanÕma sistemi kurulmuútur. 978-1-4673-7386-9/15/$31.00 978-1-4799-4874-1/14/$31.00 ©2015©2015 IEEE IEEE 16 - 19 MAYIS 2015, MALATYA SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI Örnek olarak ses kullanarak arabanÕn uzaktaan kontrol edilmesi verilebilir [4]. Konuúma tanÕma iki aúamadan oluúmaaktadÕr. Bunlar veri tabanÕ oluúturma ve saptama aúamasÕdÕr. Veeri tabanÕ oluúturma aúamasÕnda sistemde kullanÕlacak komutlar iúlenir ve veri tabanÕnda saklanÕr. Veri tabanÕ oluúturmanÕnn amacÕ her komut için bir referans model oluúturmaktÕr. Daha sonra bu modeller saptama aúamasÕnda kullanÕlÕrlar. 2.1. VERø TABANI OLUùTURMA Konuúma tanÕma sisteminin ilk aúamaasÕ olan veri tabanÕ oluúturma aúamasÕnda, sistemde kullanÕlaccak sesli komutlar ayrÕ ayrÕ MATLAB ortamÕnda kaydedillmektedir. Girilen sesler MFCC’s algoritmasÕyla, girilen sese özgü ö olan öznitelik vektörlerini çÕkarmak maksadÕyla iúleme tabi tutulmuútur. øúlem sonunda her sesli komut için bir moodel oluúturulur ve sesli komut veri tabanÕna kaydedilmekteddir. Bu veri tabanÕ daha sonra saptama aúamasÕnda kuullanÕlmak üzere saklanmaktadÕr. ùekil 2’de veri tabanÕ oluúturma aúamasÕnÕn genel diyagramÕ verilmiútir. 1699 benzerlik oranÕ en küçük ise o komutun söylendi÷i çÕkarÕmÕ yapÕlmaktadÕr. m KatsayÕlarÕ (MFCCs) 2.1.1. Mel-Frekans Kepstrum Ses sinyalindeki akustikk özelliklerin çÕkarÕlmasÕna öznitelik çÕkarma denilmektedir [6]. MFCCs, konuúma tanÕma alanÕnda en çok kullanÕlan öznittelik çÕkarma yöntemlerinden birisidir. Öznitelik çÕkarma hem veri tabanÕ oluúturma hem de saptama aúamasÕnda kullanÕlmaaktadÕr. Projenin en önemli kÕsmÕdÕr. Algoritma aúa÷Õdaki aúamalardann oluúmaktadÕr. ¾ ¾ ¾ ¾ ¾ ¾ Önvurgu Çerçeveleme Pencereleme (Hammingg Window) HÕzlÕ fourier dönüúümü Mel-frekans saptÕrmasÕ AyrÕk kosinüs dönüúümüü ùekil 3’te MFCCs algoritmaasÕ aúamalarÕ görsel olarak gösterilmektedir. ùekil-2: Veri tabanÕ oluúturma [5] ùekil-3: MFCCs algoritmasÕ a [5] Sistem ilk olarak e÷itilmektedir. KullanÕlacak K sesli komutlar sisteme girilip MFCCs algoritmaasÕyla sesin akustik özellikleri çÕkartÕlmaktadÕr. ÇÕkartÕlan sees özellikleri veri tabanÕ tabanÕnda saklanmaktadÕr. Girilen komut sayÕsÕ ve kullanÕlan sesli komutlar Tablo 1’de gösterillmektedir. Tablo 1: Girilen komut sayÕsÕ ve komutlar k Komut SayÕsÕ Girilen Sesli Komut K 1 ‘IúÕklarÕ Aç’ 2 ‘IúÕklarÕ Kapat’ 3 ‘Kettle Aç’ Girilen her sesli komuta MFCCs algoriitmasÕ uygulanarak sesin akustik özelliklerini ifade edenn vektörler elde edilmektedir. Bu vektörler algoritmaya ismiini veren kepstrum katsayÕlarÕ olarak adlandÕrÕlmaktadÕr. Her sesli komut Tablo k SÕra 1’deki sÕrasÕna uygun olarak veri tabanÕna kaydedilmiútir. önemlidir, çünkü karúÕlaútÕrma iúlemi haangi sÕrada hangi komut oldu÷u göz önünde bulunduruularak yapÕlmÕútÕr. Örne÷in; ‘IúÕklarÕ Aç’ komutu girildi÷indee sistem ilk olarak girilen bu komutun ses özelliklerini çÕkkarmaktadÕr. Yani kepstrum katsayÕlarÕ çÕkartÕlmaktadÕr. Elde edilen ses özellikleri veri tabanÕndaki tüm seslerle kaarúÕlaútÕrÕlmaktadÕr. Daha sonra girilen ses ile veri tabanÕndakki her ses arasÕnda DTW algoritmasÕyla en kÕsa yol beliirlenerek sÕrasÕyla benzerlik skoru belirlenmektedir. Hangi sÕradaki ses ile 1.AdÕm: Önvurgu Ses iúlemedeki ilk adÕmdÕr. Yüksek genlikli noktalar daha çok kuvvetlendirilir [6]. Böyllece alÕnan bir çerçevedeki gürültü bastÕrÕlÕp anlamlÕ verilerr daha çok kuvvetlendirilmiú olur. ݕሾ݊ሿ ൌ ݔሾ݊ሿ െ ͲǤͻͷ ݔ כሾ݊ െ ͳሿሺͳሻ 2.AdÕm: Çerçeveleme Oluúabilecek spektral sÕzmaayÕ engellemek için hafÕzaya alÕnan verilerin belirli uzunnluktaki vektörler ayrÕlarak iúlenmesidir [6]. Oluúan herr vektöre çerçeve denilir. Çerçeveler genelde 25-30 ms uzzunlukludur. Çerçeveler %20 örtüúme yapÕlarak oluúturulm muútur. Böylece alÕnan bir çerçevenin son kÕsmÕnÕn %20’ si, bir sonraki çerçevenin ilk verileri olacaktÕr. ùekil 4’te çeerçevelemenin nasÕl yapÕldÕ÷Õ gösterilmektedir. 16 - 19 MAYIS 2015, MALATYA SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI 1700 Frekans düzleminde alÕnan her çerçeve, oluúturulmuú 13 üçgen filtre ile a÷ÕrlÕklandÕrÕlmaaktadÕr. Böylece her çerçeve, 13 üçgen filtrenin a÷ÕrlÕklandÕÕrÕlmasÕ sonucunda 13x1’lik vektörlerle ifade edilmiú olur. ܨሺ݈݉݁ሻ ൌ ʹͷͻͷ Ͳͳ כൣͳ ݂ሾͲͲሿ൧ሺͷሻ ümü 6.AdÕm: AyrÕk Kosinüs Dönüúü AyrÕk kosinüs dönüúümü mel filtreleme sonucunda frekans düzleminde olan iúaretlerri zaman düzlemine geçirmek için kullanÕlmÕútÕr. Dönüúüm sonucunda Mel kepstrum katsayÕlarÕ elde edilmektedir. Bu katsayÕlar sesin akustik özelliklerini ifade etmektedir. 2.2. SAPTAMA AùAMASI ùekil-4: Çerçeveleme [7] 3.AdÕm: Pencereleme AlÕnan çerçeveler arasÕndaki sürekksizlikleri ortadan kaldÕrmak için her çerçeveye hamming penceresi uygulanÕr [6]. Hamming pencere uzunlu÷u alÕÕnan çerçevelerin uzunlu÷uyla eúittir. Hamming pencere denklemi; ݊ ݓሾ݊ሿ ൌ ͲǤͷͶ െ ͲǤͶ כቀʹ כ ߨ כቁሺʹሻ ܰ ݊ǣ Ͳǡͳǡʹ ǥ Ǥ ܰ െ ͳ ܰǣ ݑ݈݊ݑݖݑ݁ݎ݁ܿ݊݁ºݑ Saptama aúamasÕnda, girdi olarak verilen bilinmeyen bir ses iúlenerek öznitelik vektörleeri yani kepstrum katsayÕlarÕ çÕkartÕlmaktadÕr. Bu aúamada da ses özellikleri MFCCs algoritmasÕ kullanÕlarak elde edilmiútir. Daha sonra bu vektörler bir karúÕlaútÕrma algorritmasÕ yardÕmÕyla konuúmacÕ veri tabanÕnda kayÕtlÕ bulunaan di÷er ses özellikleriyle karúÕlaútÕrÕlmaktadÕr. KarúÕlaútÕrm ma iúlemi Dinamik Zamanda Eúleútirme (Dynamic Timing Warping W - DTW) algoritmasÕ kullanÕlarak yapÕlmÕútÕr. DTW algoritmasÕ veri tabanÕndaki seslerle, girilen ses arasÕnda bennzerlik skoru belirlenmektedir. Belirlenen skora göre girilen sessin, veri tabanÕndaki hangi ses oldu÷u belirlenmektedir. Saptama aúamasÕndaki kulllanÕlan algoritma ùekil 6’da gösterilmektedir. ݕሾ݊ሿ ൌ ݕሾ݊ሿ ݓ כሾ݊ሿሺ͵ሻ 4.AdÕm: HÕzlÕ Fourier Dönüúümü Ses iúlemenin en önemli adÕmlarÕnddan birisidir. Ses sinyali frekans düzleminde incelenmektedirr. Ses sinyali farklÕ frekanslarda sinüzoidallerin birleúmesindeen oluúur [6]. Bu yöntemle, ilgili sinyalin hangi frekanslarddaki bileúenlerden oluútu÷u belirlenmektedir. AlÕnan her çerçeeveye hÕzlÕ Fourier dönüúümü uygulanmaktadÕr. ܻሺݓሻ ൌ ܶܨܨሺݕሾ݊ሿሻሺͶሻ 5.AdÕm: Mel Filtre BankasÕ øúlemi Ses sinyali frekans düzleminde lineer ölçek takip etmez [6]. 13 üçgen pencereden oluúan mel filttre bankasÕ olarak adlandÕrÕlan filtreler oluúturulur. Üçgen filttrelerin geniúlikleri farklÕdÕr. Geniúlikler, ilk baúlarda lineeer daha sonralarÕ logaritmik artmaktadÕr. ùekil 5’te oluútturulan mel filtre bankasÕ gösterilmektedir. ùekil-5:Mel filtre bankasÕ [6]] ùekil-6: Saptaama aúamasÕ [5] 2.2.1. Dinamik Zamanda Eúleeútirme Sistem e÷itildikten sonra, girilen her sesli komutun akustik özelli÷i veri tabanÕÕndaki komutlarÕn akustik özellikleriyle karúÕlaútÕrÕlmaktaddÕr. KarúÕlaútÕrmanÕn amacÕ girilen komutun veri tabanÕndaki ses özelliklerinden biri olup olmadÕ÷ÕnÕ belirlemektir. KarúÕlaaútÕrma iúlemi sözcük tabanlÕ konuúma tanÕma sistemlerinde etkin ve sÕkça kullanÕlan bir yöntem olan Dinamik Zamannda Eúleútirme (DTW) ile yapÕlmaktadÕr. Bu yaklaúÕmla, çalÕúma anÕnda tespit edilen k sözcük úablonlarÕ ile sözcük kestirilmesi, sistemde kayÕtlÕ seslendirme zamanlarÕ örtüüútürülerek karúÕlaútÕrÕlmasÕ gerçekleútirilebilir [8].Bu algoritma söylenme zaman uzunluklarÕ de÷iúen sözcüklerr içindir. Bu teknik, aynÕ zamanda "bükülmüú" do÷rusal olmayan esnemeden oluúan zaman serilerinde ya da zamann ekseni boyunca küçülen iki zaman serisi arasÕnda en uygun u uyumu bulmak için 16 - 19 MAYIS 2015, MALATYA SİU-2015: SİNYAL İŞLEME VE İLETİŞİM UYGULAMALARI KURULTAYI kullanÕlmaktadÕr. Bu iki zaman serisi arasÕnda benzerlik belirlemek için kullanÕlmaktadÕr [9].Geliútirilen uygulamada eúleútirilecek iki veri DTW yöntemi kullanÕlmak üzere, ba÷ÕntÕlar ile mesafe matrisi oluúturularak eúleútirilir. ùekil 7’deki Dinamik Zamanda Eúleútirme örne÷i gösterilmiútir. Grafikte yatay eksen veri tabanÕndaki M uzunluklu ses sinyalini, dikey eksen N uzunluklu girilen ses sinyalini göstermektedir [10]. AlgoritmanÕn esnekli÷i nedeniyle N ve M uzunlularÕ aynÕ olmak zorunda de÷ildir. Veri tabanÕndaki ses özellikleriyle girilen ses özellikleri DTW algoritmasÕ kullanÕlarak karúÕlaútÕrÕlmaktadÕr. KarúÕlaútÕrma sonucunda iki ses vektörü arasÕnda minimum yol vektörü belirlenmektedir. 1701 Konuúma tanÕma algoritmasÕnÕn baúarÕyla çalÕúmasÕ durumunda seri port üzerinden Arduino 20. pini ‘HIGH’ konumuna getirilerek algÕlanan komutun Zigbee’ler yardÕmÕyla uzaktaki cihazlara gönderilmesi sa÷lanmÕútÕr. ‘LambalarÕ aç’ komutu Matlab ortamÕnda sisteme girilerek uzakta úebekeye ba÷lÕ bir lamba kontrol edilmiútir. Normal úartlarda sistemin baúarÕ oranÕ %100’e kadar çÕkmaktadÕr. Veri tabanÕnda olan komutlara büyük ölçüde benzer harfler içeren komutlar kullanÕldÕ÷Õnda benzerlik oranÕ en fazla olan komut algÕlanmakta sistem ona göre yanÕt vermektedir. Veri tabanÕndaki komutlarla benzerli÷i olmayan komutlar kullanÕldÕ÷Õnda sistem çalÕúmamaktadÕr. Gürültülü ortamlarda sistemin baúarÕ oranÕ düúmektedir. Ses komutlarÕ bilgisayarÕn dâhili mikrofonu kullanÕlarak girilmektedir. Bu durum ses iúaretlerine daha fazla gürültü binmesine sebebiyet vermektedir. Harici bir mikrofon kullanÕlarak sistemin gürültüden daha az etkilenmesi sa÷lanabilir. AynÕ zamanda kullanÕlan Zigbee modüllerinin özelliklerine göre de sistemin baúarÕsÕ de÷iútirilebilir. Çeúitli Zigbee topolojileri kullanÕlarak çok sayÕda cihaz ses komutlarÕyla kontrol edilebilir. TEùEKKÜR Bu çalÕúma Kocaeli Üniversitesi Mekatronik Mühendisli÷i Sensör LaboratuvarÕnda gerçekleútirilmiútir. KAYNAKÇA ùekil-7:Dynamic Timing Warping örne÷i [11] [1] 3. KULLANILAN HABERLEùME VE KOMUT GÖNDERME METODU Bu çalÕúmada Matlab üzerinden Arduino’ ya eriúmek için seri port ba÷lantÕsÕ ve cihazlarÕn uzaktan kontrolü için iki Zigbee arasÕnda Wi-fi ba÷lantÕsÕ kurulmuútur. USB ba÷lantÕsÕ sayesinde Matlab ortamÕnda ses tanÕma sonucunda do÷ru komut algÕlanÕnca Arduino pinine logic‘1’ yazÕlabilmiútir. Pindeki de÷iúim aynÕ pine ba÷lÕ Zigbee tarafÕndan algÕlanmakta ve di÷er Zigbee’ye kablosuz haberleúme ile göndermektedir. Bu çalÕúmada Xbee 1 serisi 2 adet Zigbee modülü kullanÕlmÕútÕr. 2 modülün arasÕnda kablosuz haberleúme kurulmasÕnda X-CTU programÕ kullanÕlmÕútÕr. A÷ için gerekli kanal ayarlarÕ yapÕlmÕútÕr. Matlab ortamÕnda Arduino pinlerine ulaúmak için uygun seri port ayarlarÕ yapÕlmÕútÕr. Girilen ses veri tabanÕndaki seslerle eúleúti÷i zaman USB seri port üzerinden Arduino pinine logic ‘1’ yazÕlmaktadÕr. Yani pin ‘HIGH’ konumuna getirilmektedir. Verici olan Zigbee modül bu de÷iúimi algÕlayarak kablosuz a÷ üzerinden alÕcÕ olan Zigbee modüle göndermektedir. AlÕcÕ Zigbee gelen sinyali algÕladÕ÷Õnda 5V’luk röleyi tetiklemektedir. Böylece kontrol edilmek istenen cihaz ses komutlarÕyla kontrol edilmiú olmaktadÕr. 4. Jieming Zhu, Xuecai Gao, Yucang Yang, Hang Li, Zhati Ai, Xiaoyan Cui, “Developing a Voice Control System For ZigBeeBased Home Automation Netwoeks”, Proceedings of IC-NIDC, 2010, p:737-741. [2] Ozan ARSLAN, “ZIGBEE ile Bina øçi Güvenlik Otomasyon Sistemi” , Bitirme Tezi, MayÕs 2009. [3] Muhammad Salman Haleem, “Voice controlled automation system”, Proceedings of the 12th IEEE International Multitopic Conference, December 23-24,2008. [4] Adrian Abordo and Jon Liao, "Voice Command Recognition," June 2003. [5] Ozan MUT, “Konuúma TanÕma”, Yüksek lisans tezi, 2004 [6] Lindasalwa Muda, Mumtaj Begamand I.Elamvazuthi,“Voice Recognition Algorithms using Mel Frequency Cepstral Coefficient (MFCC) and Dynamic Time Warping (DTW) Techniques”,Journal of computing, Volume 2, Issue 3, March 2010, p:138-143. [7] http://cnx.org/contents/1973e510-1a6c-49e7-b60d766995ca3a34@5.18:46/DSPA, son eriúim tarihi: ùubat 2015 [8] http://www.mcu-turkey.com/ses-tanima-3, son eriúim tarihi: ùubat 2015. [9] Chunsheng Fang, “From Dynamic time warping (DTW) to Hidden Markov Model (HMM)”, University of Cincinnati,2009. [10] Toni M. Rathand R. Manmatha, “Word Image Matching Using Dynamic Time Warping”, University of Massachusetts, Amherst. [11]http://web.media.mit.edu/~tristan/phd/dissertation/chapter4.html, son eriúim tarihi: ùubat 2015 SONUÇLAR Bu çalÕúmada, Matlab ortamÕnda konuúma tanÕma algoritmasÕ gerçekleútirilmiútir. Zigbee modüller kullanÕlarak kablosuz haberleúme a÷Õ kurulmuútur. Cihazlar Zigbee modüller yardÕmÕyla kablosuz a÷ üzerinden uzaktan kontrol edilmiútir. Matlab ortamÕndaki verileri Zigbee modüllere göndermek için Arduino mikro denetleyici kullanÕlmÕútÕr. 16 - 19 MAYIS 2015, MALATYA