红外遥控解码语音学习家电指令

你有没有过这样的经历：沙发上躺着，想关空调，却怎么都找不到那个藏在沙发缝里的遥控器？或者家里老人拿着智能音箱，反复说“开电视”，结果没反应——不是音箱坏了，而是它根本没学过你家这台老电视的红外指令。

这正是传统家电智能化的最后一公里难题。我们早已习惯用手机App控制灯、窗帘和音响，但那些还在用红外遥控的空调、投影仪、机顶盒呢？它们像是被遗忘在智能时代边缘的“遗民”。而解决这个问题的关键，就藏在一个看似简单却极具巧思的技术组合里： 让设备“听懂”你的语音，并记住你想让它做的事 。

---

想象这样一个场景：你说一句“学习空调制冷模式”，然后按下原装遥控器上的“制冷”键，系统“滴”一声回应：“已学习成功。”从那以后，只要你说“把空调调成制冷”，哪怕遥控器丢了，家电照样听话。这不是科幻，而是通过 红外遥控解码 + 语音识别 + 自学习机制 实现的真实能力。

它的核心逻辑其实很直观——
1. 听到你说“我要学个新命令”；
2. 进入等待状态，接收你按下的红外信号；
3. 把这段“脉冲密码”记下来，和你说的那句话绑在一起；
4. 下次再听到这句话，就把记下的红外信号原样发出去。

整个过程不需要联网、不依赖云端、也不需要预置庞大的遥控码库。它像一个会记笔记的小助手，边听边学，越用越聪明 🧠。

---

要实现这个“小助手”，得打通三个关键技术环节： 红外怎么读？语音怎么听？命令怎么记？

先来看红外部分。别看红外技术老旧，但它至今仍是家电控制的主流方式之一，原因很简单：便宜、稳定、够用。大多数红外通信使用38kHz载波调制，数据以高低电平的时间长度来编码。比如最常见的NEC协议，一帧信号开头有个9ms高电平+4.5ms低电平的“引导码”，就像敲门声一样告诉接收方：“我有数据来了！”

接着是32位数据——16位地址（代表设备品牌或型号），16位命令（比如“开机”“音量+”）。每一位用脉宽区分：短低为0，长低为1。这种设计抗干扰强，硬件成本极低，一个HS0038B接收头加MCU就能搞定。

更妙的是，这些信号是可以被“录制”和“回放”的。只要你能捕获到原始脉冲序列，不管它是NEC、RC5还是Sony SIRC，都可以原样重发。这就为“万能遥控”提供了物理基础。

// 中断服务程序：记录每个上升/下降沿的时间间隔
void IR_CAPTURE_ISR() {
    uint16_t duration = get_last_pulse_width_us();
    if (pulse_count < MAX_PULSES) {
        pulse_log[pulse_count++] = duration;
    }
}

上面这段代码就是关键所在——不急于解析协议，而是先把所有电平变化的时间差存下来，形成一份“脉冲日志”。后续再交给解码函数判断是否符合某种标准格式。这种方式不仅支持多协议，还能应对非标遥控器的私有编码。

---

那语音又是怎么介入的呢？总不能让用户对着设备背诵“红外数据帧结构”吧 😅。

答案是： 关键词唤醒（Keyword Spotting, KWS） 。不同于全句语音识别（ASR），KWS只关心几个特定短语，比如“开灯”“关电视”“学习模式”。它对算力要求极低，甚至能在Cortex-M4级别的MCU上实时运行，功耗不到10mW。

典型流程是这样的：
- 麦克风采集声音；
- ADC以8–16kHz采样；
- 提取MFCC特征（模拟人耳听觉特性）；
- 输入轻量级神经网络模型（如TinyML）进行分类；
- 输出匹配的语义标签，比如 POWER_ON_AC 或 LEARN_MODE_ENTER 。

void extract_mfcc(float *audio_buffer, uint8_t *output_features) {
    float fft_buffer[FFT_SIZE];
    float mfcc_coeffs[13];

    // 加窗处理
    for (int i = 0; i < FRAME_SIZE; i++) {
        audio_buffer[i] *= 0.54 - 0.46 * cos(2 * PI * i / (FRAME_SIZE - 1));
    }

    // FFT变换
    arm_rfft_fast_f32(&fft_instance, audio_buffer, fft_buffer, 0);

    // 梅尔滤波 + 对数能量 + DCT → 得到MFCC系数
    apply_mel_filters(fft_buffer, mfcc_coeffs);

    // 推理
    tflite::MicroInterpreter interpreter(tflite_model, model_size, tensor_arena, arena_size);
    TfLiteTensor* input = interpreter.input(0);
    memcpy(input->data.f, mfcc_coeffs, sizeof(mfcc_coeffs));
    interpreter.Invoke();

    int detected_cmd = find_max_index(interpreter.output(0)->data.f, NUM_COMMANDS);
    map_command_to_ir_code(detected_cmd);
}

这套流程可以在ESP32、STM32U5等常见MCU上跑起来，借助Edge Impulse或Syntiant这类平台，开发者还能自定义训练自己的唤醒词模型，真正实现“我说什么，它听什么”。

---

当语音和红外两条线交汇时，真正的魔法就开始了。

设想你第一次使用这个系统，家里刚买了台新空调，说明书上写着“不支持智能家居”。没关系，你说：“小智，学习空调开机。”
设备回应：“请按原遥控器上的开机键。”
你照做，红外接收头捕捉到一串脉冲，系统成功解码并保存为 voice_label: "空调开机", ir_code: 0x20DF10EF 。

下次你说“打开空调”，它立刻查找映射表，调出对应红外码，驱动LED发射阵列还原出原始信号——搞定！

这种“语音驱动的学习机制”之所以强大，在于它把配置权交还给了用户。你不需要知道空调是什么品牌、用什么协议、地址码是多少。你只需要像教小孩一样，告诉它：“这是开机，记住哦。”

当然，实际设计中也有不少细节要考虑：

• 命名冲突怎么办？ 建议加入空间上下文，比如“卧室空调开机” vs “客厅空调开机”；
• 误触发怎么防？ 触发词避免常用口语，比如不用“嘿 Siri”这类高频组合；
• 信号收不到咋办？ 多装几个红外发射LED，覆盖不同方向，甚至可贴在电视柜内侧；
• 学错了能不能删？ 支持语音删除或OTA批量管理，提升可维护性。

系统架构大致如下：

[麦克风] 
   ↓ (模拟信号)
[ADC采样 → MFCC特征提取 → KWS模型推理]
   ↓
[命令识别引擎] → [指令映射表] → [红外编码生成]
   ↑                              ↓
[语音学习接口] ← [红外接收解码模块] ← [红外接收头]
                                 ↓
                             [红外LED发射阵列]

主控芯片推荐ESP32（双核、Wi-Fi/BLE、AI友好）或STM32H7（高性能浮点运算），存储方面用外部Flash保存语音-红外映射表即可，容量需求不大，几KB就够几十条记录。

---

这项技术的价值，远不止“少拿一个遥控器”这么简单。

对于老年人来说，复杂的图形界面是障碍，而语音是最自然的交互方式。一句“我冷了”，就能自动调高空调温度，比翻App方便太多。
对于视障人士，完全无需视觉反馈的操作闭环，意味着更高的生活自主权。
对于厂商，这意味着他们的产品即使没有Wi-Fi模块，也能轻松接入智能生态。

目前市面上已有不少成熟应用：
- BroadLink RM系列万能遥控器，支持APP端学习+定时任务；
- 小米小爱同学联动空调伴侣，实现“一句话开关空调”；
- 教育类开发套件中用于演示嵌入式AI与物联网融合案例。

未来还有更多可能性正在展开：
- 结合BLE Mesh或Wi-Fi中继，在多房间部署红外转发节点；
- 使用麦克风阵列提升远场识别率，实现“无感唤醒”；
- 在保护隐私的前提下，通过联邦学习共享常见指令模板（比如“格力空调制冷”被万人学习后可作为默认选项）；
- 引入自适应增益算法，自动调整麦克风灵敏度，适应不同环境噪音。

---

说到底，真正的智能不是让人去适应机器，而是让机器学会理解人。
红外遥控解码 + 语音学习家电指令，看似只是把两个老技术拼在一起，实则完成了一次重要的认知跃迁： 从“预设功能”走向“动态学习” 。

它不要求家电本身智能，也不依赖云服务永不断线，而是在本地构建了一个闭环的“感知-记忆-执行”系统。你可以把它看作是通往“无感化人机交互”的第一步——未来某天，当你走进房间，灯自动亮起，空调开始送风，你甚至不必说一句话，因为系统早已学会了你的习惯。

而现在，它正从一句简单的“学习XXX”开始，悄悄改变我们与家电相处的方式 💡。