CN102800315A - 车载语音控制方法及*** - Google Patents

Abstract

本发明涉及一种车载语音控制方法及***，方法包括：在汽车的各个座位上安装麦克风，并对麦克风设置权限；通过麦克风获取语音命令，并进行识别；确认收到语音命令的麦克风；根据收到语音命令的麦克风的权限执行相应的语音命令。***包括安装在汽车各个座位上并设有权限的麦克风、语音识别子***、确认模块和执行模块。本发明使得车辆内的乘客都可以通过语音控制车辆的各种应用。

Description

车载语音控制方法及***

技术领域

本发明涉及汽车电子技术领域，特别是涉及一种车载语音控制方法及***。

背景技术

随着人们对健康、卓越生活品质的追求，功能强大的计算机逐渐融入汽车行业之中，汽车电子产品计算机集成化代表着未来汽车电子技术和产品发展的主流方向。简而言之，车载计算机就是在车上加装人车共用计算机。基于车载计算机平台，每辆汽车可构建成一个完美的车载信息与娱乐***终端，可全面整合在线监测***、车载通讯***、导航监控***、数字娱乐***、辅助驾驶***、驾驶员状态分析***、车辆驾驶环境检测***等多个车载***，车内驾乘人员可轻松实现在线故障检测、文件处理、无线上网、GPS导航、影音播放、数字移动电视接收、行车信息浏览、远程监控、倒车成像、驾驶员状态监视和驾驶环境监视等功能。

同时随着社会文明的不断发展，人类已渐渐步入智能时代，对工具的智能化要求程度也越来越高，便捷时尚，智能化成为当代人们的追求目标，智能控制，信息电子的概念由此应运而生。语音识别技术能够为驾驶者提供友好的交互界面，避免驾驶员在驾车时由于手动操作导致的潜在危险。

但是现有的带有语音控制的车载***都将麦克风安置在驾驶员附近，便于更好得接收驾驶员的语音信息，但在实际使用中，副驾驶乘客或后排乘客也需要通过语音对车机进行控制，而现有的麦克风安置方法无法满足以上需求。因为副驾驶乘客或后排乘客的声音无法清晰地传输到驾驶员的麦克风，造成识别困难。

发明内容

本发明所要解决的技术问题是提供一种车载语音控制方法及***，使得车辆内的乘客都可以通过语音控制车辆的各种应用。

本发明解决其技术问题所采用的技术方案是：提供一种车载语音控制方法，包括以下步骤:

（1）在汽车的各个座位上安装麦克风，并对麦克风设置权限；

（2）通过麦克风获取语音命令，并进行识别；

（3）确认收到语音命令的麦克风；

（4）根据收到语音命令麦克风的权限执行相应的语音命令。

所述步骤（1）中安装在驾驶座上的麦克风的权限为各种车载应用权限。

所述步骤（1）中安装在副驾驶座和后排座位上的麦克风的权限为音乐和广播应用权限。

所述步骤（2）中采用模板匹配的方法对语音命令进行识别。

所述步骤（2）中如果无法识别语音命令，则报告错误，麦克风重新获取用户的语音命令。

本发明解决其技术问题所采用的技术方案是：还提供一种车载语音控制***，包括安装在汽车各个座位上并设有权限的麦克风、语音识别子***、确认模块和执行模块；所述麦克风拥有获取语音命令；所述语音识别子***用于对麦克风获取的语音命令进行识别；所述确认模块用于确认收到语音命令的麦克风；所述执行模块用于根据所述麦克风的权限执行相应的语音命令。

所述安装在驾驶座上的麦克风的权限为各种车载应用权限。

所述在副驾驶座和后排座位上的麦克风的权限为音乐和广播应用权限。

所述语音识别子***包括语音信号预处理与特征提取模块、声学模型及模式匹配模块和语言模型与语言处理模块；所述语音信号预处理与特征提取模块用于对语音命令进行预处理和特征提取；所述声学模型及模式匹配模块用于将提取的特征同声学模型进行匹配与比较得到匹配结果；所述语言模型与语言处理模块以根据语言模型对匹配结果进行处理完成识别。

所述车载语音控制***还包括错误报告模块，所述错误报告模块在所述语音识别子***识别失败时进行错误报告。有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明在每个乘客位置处都加装一个麦克风用于接收语音信号并传输至语音识别***。为了避免出现控制混乱现象，对每个不同的麦克风设置不同的识别权限，当收到语音命令时，在识别后可根据不同识别权限完成相应的功能，因此可以使得车辆内的乘客都可以通过语音控制车辆的各种应用，通过权限的设置，使得语音控制不会出现混乱的现象。

附图说明

图1是本发明第一实施方式的流程图；

图2是本发明第二实施方式的方框图；

图3是本发明第二实施方式中带有错误报告功能的方框图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的第一实施方式涉及一种车载语音控制方法，包括以下步骤：（1）在汽车的各个座位上安装麦克风，并对麦克风设置权限；（2）通过麦克风获取语音命令，并进行识别；（3）确认收到的语音命令的麦克风；（4）根据收到语音命令的麦克风的权限执行相应的语音命令。该实施方式的具体步骤如图1所示。

步骤110，在汽车的各个座位上安装麦克风，并对麦克风设置权限。以四座位汽车为例，在汽车的驾驶座、副驾驶座以及后排的两个座位上均安装一个麦克风，使得座位上的用户在发出语音命令时，麦克风能够成功获取到为准。

安装完麦克风后可以对各个位置上的麦克风设置权限，比如，安装在驾驶座上的麦克风的权限为各种车载应用权限，也就是说，安装在驾驶座上的麦克风收到驾驶员的任何语音命令车载***都能够执行，比如启动车载导航等命令；副驾驶座和后排座位上的麦克风的权限为音乐和广播应用权限，也就是说，副驾驶座和后排座位上的用户只有在发出与音乐或广播相关的语音命令时车载***才能执行，比如打开广播的命令等等。

接着进入步骤120，通过麦克风获取语音命令，并进行识别。也就是说，当座位上的乘客发出语音命令后，麦克风获取得到该语音命令，并开始对语音命令进行识别。

在本步骤中对语音命令可以使用模板匹配的方法进行识别。在模板匹配方法中，要经过四个步骤：特征提取、模板训练、模板分类、判决。常用的技术有三种：动态时间规整(DTW)、隐马尔可夫（HMM）理论、矢量量化（VQ）技术。

动态时间规整(DTW)：语音信号的端点检测是进行语音识别中的一个基本步骤，它是特征训练和识别的基础。所谓端点检测就是在语音信号中的各种段落(如音素、音节、词素)的始点和终点的位置，从语音信号中排除无声段。该算法的思想就是把未知量均匀的升长或缩短，直到与参考模式的长度一致。在这一过程中，未知单词的时间轴要不均匀地扭曲或弯折，以使其特征与模型特征对正。

隐马尔可夫法(HMM)：HMM方法是对语音信号的时间序列结构建立统计模型，将之看作一个数学上的双重随机过程：一个是用具有有限状态数的马尔科夫链来模拟语音信号统计特性变化的隐含的随机过程，另一个是与马尔科夫链的每一个状态相关联的观测序列的随机过程。前者通过后者表现出来，但前者的具体参数是不可测的。人的言语过程实际上就是一个双重随机过程，语音信号本身是一个可观测的时变序列，是由大脑根据语法知识和言语需要(不可观测的状态)发出的音素的参数流。可见HMM合理地模仿了这一过程，很好地描述了语音信号的整体非平稳性和局部平稳性,是较为理想的一种语音模型。

矢量量化(VQ)：这种方法是一种重要的信号压缩方法。与HMM相比,矢量量化主要适用于小词汇量、孤立词的语音识别中。其过程是：将语音信号波形的k个样点的每一帧，或有k个参数的每一参数帧，构成k维空间中的一个矢量，然后对矢量进行量化。量化时，将k维无限空间划分为M个区域边界，然后将输入矢量与这些边界进行比较，并被量化为“距离”最小的区域边界的中心矢量值。

在步骤130中，判断语音命令是否识别成功，若成功则进入步骤150，否则进入步骤140。

步骤140，报告错误，麦克风重新获取用户的语音命令。具体地说，当语音命令没有被识别出时，车载***报告错误，并且提示用户重新输入语音命令，用户重新发出语音命令后，麦克风再次获取用户的语音命令。

步骤150，确认收到语音命令的麦克风。具体地说，当语音命令成功被识别出时，确认收到语音命令的麦克风，即判断是哪个麦克风收到了语音命令。

最后，进入步骤160，根据收到语音命令麦克风的权限执行相应的语音命令，也就是说，车载***判断出哪个麦克风收到了语音命令后，根据该麦克风的权限判断是否应该执行相应的语音命令，如果应该则执行，否则就报告错误。比如说，当车载***判断出是驾驶座上的麦克风收到了语音命令，由于驾驶座上的麦克风是享有最高权限的，即可以响应各种车载应用权限，车载***则根据语音命令执行相应的应用。再比如说，当车载***判断出是后排座位上的麦克风收到了语音命令，由于后排座位的麦克风的权限仅仅为音乐和广播应用权限，如果收到的语音命令是启动车载导航命令，则报告错误，如果收到的语音命令是打开广播，则按照该语音命令打开广播。

由此可见，本发明在每个乘客位置处都加装一个麦克风用于接收语音信号，并将收到的语音信号进行语音识别，从而使车辆内的乘客都可以通过语音控制车辆的各种应用。为了避免出现控制混乱现象，对每个不同的麦克风设置不同的识别权限，当收到语音命令时，在识别后可根据不同识别权限完成相应的功能，因此可以使得车辆内的乘客都可以通过语音控制车辆的各种应用，通过权限的设置，使得语音控制不会出现混乱的现象。

本发明的第二实施方式涉及一种车载语音控制***，如图2所示，包括安装在汽车各个座位上并设有权限的麦克风210、语音识别子***220、确认模块230和执行模块240；所述麦克风210拥有获取语音命令；所述语音识别子***220用于对麦克风获取的语音命令进行识别；所述确认模块230用于确认收到的语音命令的麦克风；所述执行模块240用于根据所述麦克风的权限执行相应的语音命令。

其中，所述安装在驾驶座上的麦克风的权限为各种车载应用权限，也就是说，安装在驾驶座上的麦克风收到驾驶员的任何语音命令车载***都能够执行，比如启动车载导航等命令；所述在副驾驶座和后排座位上的麦克风的权限为音乐和广播应用权限，也就是说，副驾驶座和后排座位上的用户只有在发出与音乐或广播相关的语音命令时车载***才能执行，比如打开广播的命令等等。

所述语音识别子***包括语音信号预处理与特征提取模块、声学模型及模式匹配模块和语言模型与语言处理模块；所述语音信号预处理与特征提取模块用于对语音命令进行预处理和特征提取；所述声学模型及模式匹配模块用于将提取的特征同声学模型进行匹配与比较得到匹配结果；所述语言模型与语言处理模块以根据语言模型对匹配结果进行处理完成识别。

语音信号预处理与特征提取模块，该模块是语音识别的第一步。语音识别有单词（句）、音节和音素三种，具体选择哪一种，由具体的任务决定。单词（句）单元广泛应用于中小词汇语音识别***，但不适合大词汇***，原因在于模型库太庞大，训练模型任务繁重，模型匹配算法复杂，难以满足实时性要求。音节单元多见于汉语语音识别，主要因为汉语是单音节结构的语言，而英语是多音节，并且汉语虽然有大约1300个音节，但若不考虑声调，约有408个无调音节，数量相对较少。因此，对于中、大词汇量汉语语音识别***来说，以音节为识别单元基本是可行的。音素单元以前多见于英语语音识别的研究中，但目前中、大词汇量汉语语音识别***也在越来越多地采用。原因在于汉语音节仅由声母（包括零声母有22个）和韵母（共有28个）构成，且声韵母声学特性相差很大。实际应用中常把声母依后续韵母的不同而构成细化声母，这样虽然增加了模型数目，但提高了易混淆音节的区分能力。语音识别一个根本的问题是合理的选用特征。特征参数提取的目的是对语音信号进行分析处理，去掉与语音识别无关的冗余信息，获得影响语音识别的重要信息，同时对语音信号进行压缩。在实际应用中，语音信号的压缩率介于10-100之间。语音信号包含了大量各种不同的信息，提取哪些信息，用哪种方式提取，需要综合考虑各方面的因素，如成本，性能，响应时间，计算量等。非特定人语音识别***一般侧重提取反映语义的特征参数，尽量去除说话人的个人信息；而特定人语音识别***则希望在提取反映语义的特征参数的同时，尽量也包含说话人的个人信息。线性预测（LP）分析技术是目前应用广泛的特征参数提取技术，许多成功的应用***都采用基于LP技术提取的倒谱参数。Mel参数和基于感知线性预测（PLP）分析提取的感知线性预测倒谱，在一定程度上模拟了人耳对语音的处理特点。实验证明，采用这种技术，语音识别***的性能有一定提高。梅尔刻度式倒频谱参数已逐渐取代原本常用的线性预测编码导出的倒频谱参数，原因是它考虑了人类发声与接收声音的特性，具有更好的鲁棒性（Robustness）。

声学模型与模式匹配模块是将获取的语音特征使用训练算法进行训练后产生。在识别时将输入的语音特征同声学模型（模式）进行匹配与比较，得到最佳的结果。声学模型是识别***的底层模型，并且是语音识别***中最关键的一部分。声学模型的目的是提供一种有效的方法计算语音的特征矢量序列和每个发音模板之间的距离。声学模型的设计和语言发音特点密切相关。声学模型单元大小（字发音模型、半音节模型或音素模型）对语音训练数据量大小、***识别率，以及灵活性有较大的影响。必须根据不同语言的特点、识别***词汇量的大小决定识别单元的大小。以汉语为例：汉语按音素的发音特征分类分为辅音、单元音、复元音、复鼻尾音四种，按音节结构分类为声母和韵母，并且由音素构成声母或韵母。有时，将含有声调的韵母称为调母。由单个调母或由声母与调母拼音成为音节。汉语的一个音节就是汉语一个字的音，即音节字。由音节字构成词，最后再由词构成句子。如此汉语声母共有22个，其中包括零声母，韵母共有38个。按音素分类，汉语辅音共有22个，单元音13个，复元音13个，复鼻尾音16个。目前常用的声学模型基元为声韵母、音节或词，根据实现目的不同来选取不同的基元。汉语加上语气词共有412个音节，包括轻音字，共有1282个有调音节字，所以当在小词汇表孤立词语音识别时常选用词作为基元，在大词汇表语音识别时常采用音节或声韵母建模，而在连续语音识别时，由于协同发音的影响，常采用声韵母建模。基于统计的语音识别模型常用的就是HMM模型。

语言模型与语言处理模块包括由识别语音命令构成的语法网络或由统计方法构成的语言模型，语言处理可以进行语法、语义分析。语言模型对中、大词汇量的语音识别***特别重要。当分类发生错误时可以根据语言学模型、语法结构、语义学进行判断纠正，特别是一些同音字则必须通过上下文结构才能确定词义。语言学理论包括语义结构、语法规则、语言的数学描述模型等有关方面。目前比较成功的语言模型通常是采用统计语法的语言模型与基于规则语法结构命令语言模型。语法结构可以限定不同词之间的相互连接关系，减少了识别***的搜索空间，这有利于提高***的识别。

值得一提的是，如图3所示，所述车载语音控制***还包括错误报告模块250，所述错误报告模块250在所述语音识别子***识别220失败时进行错误报告。

不难发现，本发明在每个乘客位置处都加装一个麦克风用于接收语音信号并传输至语音识别***。为了避免出现控制混乱现象，对每个不同的麦克风设置不同的识别权限，当收到语音命令时，在识别后可根据不同识别权限完成相应的功能，因此可以使得车辆内的乘客都可以通过语音控制车辆的各种应用，通过权限的设置，使得语音控制不会出现混乱的现象。

Claims (10)

1.一种车载语音控制方法，其特征在于，包括以下步骤：

（1）在汽车的各个座位上安装麦克风，并对麦克风设置权限；

（2）通过麦克风获取语音命令，并进行识别；

（3）确认收到语音命令的麦克风；

（4）根据收到语音命令麦克风的权限执行相应的语音命令。

2.根据权利要求1所述的车载语音控制方法，其特征在于，所述步骤（1）中安装在驾驶座上的麦克风的权限为各种车载应用权限。

3.根据权利要求1所述的车载语音控制方法，其特征在于，所述步骤（1）中安装在副驾驶座和后排座位上的麦克风的权限为音乐和广播应用权限。

4.根据权利要求1所述的车载语音控制方法，其特征在于，所述步骤（2）中采用模板匹配的方法对语音命令进行识别。

5.根据权利要求4所述的车载语音控制方法，其特征在于，所述步骤（2）中如果无法识别语音命令，则报告错误，麦克风重新获取用户的语音命令。

6.一种车载语音控制***，其特征在于，包括安装在汽车各个座位上并设有权限的麦克风、语音识别子***、确认模块和执行模块；所述麦克风拥有获取语音命令；所述语音识别子***用于对麦克风获取的语音命令进行识别；所述确认模块用于确认收到语音命令的麦克风；所述执行模块用于根据所述麦克风的权限执行相应的语音命令。

7.根据权利要求6所述的车载语音控制***，其特征在于，所述安装在驾驶座上的麦克风的权限为各种车载应用权限。

8.根据权利要求6所述的车载语音控制***，其特征在于，所述在副驾驶座和后排座位上的麦克风的权限为音乐和广播应用权限。

9.根据权利要求6所述的车载语音控制***，其特征在于，所述语音识别子***包括语音信号预处理与特征提取模块、声学模型及模式匹配模块和语言模型与语言处理模块；所述语音信号预处理与特征提取模块用于对语音命令进行预处理和特征提取；所述声学模型及模式匹配模块用于将提取的特征同声学模型进行匹配与比较得到匹配结果；所述语言模型与语言处理模块以根据语言模型对匹配结果进行处理完成识别。

10.根据权利要求9所述的车载语音控制***，其特征在于，所述车载语音控制***还包括错误报告模块，所述错误报告模块在所述语音识别子***识别失败时进行错误报告。

Images