CN104240700A - 一种面向车载终端设备的全局语音交互方法及*** - Google Patents

Abstract

本发明公开了一种面向车载终端设备的全局语音交互方法，包括以下步骤：(1)采集用户的自然语音；(2)将自然语音转换成文本文字，并对文本文字进行语义分析；(3)若语义分析结果是直达命令，则直接执行命令；若不是，则转步骤(4)；(4)根据语义分析结果进行搜索，并从搜索结果中选择其中一个作为最优结果；(5)对最优结果进行参数测试，得到匹配结果；(6)将匹配结果传送到对应的应用组件或者功能模块，执行命令。利用本发明，驾驶员的整个操作过程仅需一次按键和一句自然语言即可完成输入，相应的反馈也以语音的形式播报，整个过程无需手眼配合，极大地提升了驾驶安全性和操作便利性。

Description

一种面向车载终端设备的全局语音交互方法及***

技术领域

本发明涉及一种人机交互方法，尤其涉及一种面向车载终端设备的全局语音交互方法，同时涉及用于实现上述方法的全局语音交互***，属于车载人机交互技术领域。

背景技术

在汽车驾驶过程中，驾驶员如果需要使用导航功能，需通过按钮、旋钮和触摸屏等模式完成导航启动、地点输入、选择和确认操作。同样地，如果需要使用音乐播放或者收音机功能，驾驶员同样需通过按钮、旋钮和触摸屏来实现音乐或者广播的打开、播放和切换选择等操作。在上述操作过程中，驾驶员需要手眼配合来完成上述操作。而驾驶员在进行上述操作时，手离开了方向盘，同时眼睛的视线离开了车辆的前方，进而关注车内的操作位置。这样会导致极大的驾驶风险。

为了解决上述问题，人们进行了多方面的技术探索。例如在公告号为202092650U的中国实用新型专利中，公开了一种带按键的语音导航的车载多媒体。在该专利文件中，公开了如下的操作步骤：A.按下语音识别控制按键，语音转换模块接收语音指令；B.语音识别模块识别语音命令；C.指令转换模块将识别后的语音指令与所述导航模块的控制指令和地址指令一一关联；D.主控制器将导航模块的控制指令和地址指令下发给导航模块；E.导航模块开始导航。该实用新型能使驾驶者的眼睛不用盯着屏幕，实现了安全驾驶、安全导航的功能，且安装方便。但是，使用者需要进行一定时间的训练，以熟悉各种控制命令，给用户造成极大的不便。

在公开号为103295572A的中国专利申请中，公开了一种语音识别方法，包括如下步骤：A、***进行检测是否需要对语音信号进行识别，如果需要，则转向步骤B，否则，继续检测；B、获取语音音频信号，对音频信号进行去噪和放大；C、对音频信号进行识别，并对识别结果进行读取和进行命令词类别判断，如果是显示类命令词，转向步骤D，否则转向步骤E；D、进行结果显示和语音播报并结束本次控制识别结束；E、则进行命令词级别判断，如果是父控制命令，转向步骤F，如果是叶控制命令则转向步骤G；F、进行语音播报提示和语音录入，转入步骤B；G、执行叶控制指令，转入步骤D。该方法用于克服导航芯片处理能力有限和语音识别不成熟的缺点，可以显著改善语音识别的效率及效果。但是，该方法并未涉及语义分析、命令直达等技术方案，在实用性上存在一定缺陷。

发明内容

针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种面向车载终端设备的全局语音交互方法。

本发明所要解决的另一个技术问题在于提供用于一种实现上述方法的全局语音交互***。

为实现上述发明目的，本发明采用下述的技术方案：

一种面向车载终端设备的全局语音交互方法，包括以下步骤：

(1)采集用户的自然语音；

(2)将所述自然语音转换成文本文字，并对所述文本文字进行语义分析；

(3)若所述语义分析结果是直达命令，则直接执行命令；若不是，则转步骤(4)；

(4)根据所述语义分析结果进行搜索，并从搜索结果中选择其中一个作为最优结果；

(5)对所述最优结果进行参数测试，得到匹配结果；

(6)将所述匹配结果传送到对应的应用组件或者功能模块，执行命令。

其中较优地，所述步骤(2)进一步包括以下步骤：

(21)当接收到文本文字的字符流时，从所述字符流中逐条识别并提取文本命令串，并将所述文本命令串寄存在缓存器中；

(22)从所述缓存器中取出一条待处理的所述文本命令串，对待处理的所述文本命令串进行词法分析，以得到所述命令词汇表；

(23)对所述命令词汇表中的每个命令词汇进行语法分析，以得到语法分析树；

(24)遍历所述语法分析树，找到每个结点对应的语义属性，从而得到所述文本文字的语法结构体。

其中较优地，所述步骤(5)中，参数测试包括动作测试、类别测试和数据测试。

其中较优地，所述参数测试结束后，返回一个相应参数，所述相应参数用来识别与所述最优结果相对应的应用组件或者功能模块。

一种面向车载终端设备的全局语音交互***，用于实现上述的全局语音交互方法，包括：语音采集模块、语音识别模块、语义解析模块和内容直达模块，其中，

所述语音采集模块与所述语音识别模块相连接，所述语义解析模块一端与所述语音识别模块相连接，另一端与所述内容直达模块相连接。

其中较优地，所述内容直达模块进行参数测试，包括动作测试、类别测试和数据测试。

在所述动作测试中，所述内容直达模块包含一个动作列表，该动作列表包括多个动作，并且不能为空；所述内容直达模块匹配最优结果的动作，与所述动作列表中的所有动作逐一比较，如果两者动作相同，则测试通过；如果动作列表为空，则测试不通过；如果最优结果不指定动作，并且内容直达模块的动作列表不为空，则测试通过。

在所述类别测试中，如果最优结果的每个类型与所述内容直达模块中的某一个类型相匹配，匹配过程与动作测试相同，则该最优结果通过类别测试。

在所述数据测试中，每一个搜索结果都指定了一个唯一标识码和一个数据类型，所述唯一标识码每个部分为不同的属性；当最优结果中的唯一标识码和所述内容直达模块中进行比较时，只和所述内容直达模块中已经定义了的部分进行比较。

其中较优地，所述内容直达模块结束参数测试后，返回一个相应参数，所述相应参数用来识别与所述最优结果相对应的应用组件或者功能模块；将所述相应参数传送到对应的应用组件或者功能模块，执行命令。

与现有技术相比较，本发明具有以下有益效果：

1.操作便捷：驾驶员在驾驶过程中的所有操作，仅需用户在方向盘上按下“一个按键”结合“一句话”(自然语言)即可完成对应的操作。

2.支持全自然语言：只需要驾驶员按照常规自然语法说出需要做什么即可完成操作，无需学习和记忆任何的限定命令。

附图说明

图1是本发明所提供的全局语音交互方法的步骤示意图；

图2是本发明所提供的全局语音交互方法的工作流程图；

图3是本发明所提供的全局语音交互***的结构框图。

具体实施方式

下面结合附图和具体实施例对本发明的技术内容作进一步的详细说明。

传统的车机交互工作流程为：第一步，用户使用按钮或屏幕触摸屏点击导航(或其他应用)；第二步，用户点击应用中的输入框；第三步，用户使用拼音、笔画等方式输入目标地点名称；第四步，点击搜索按钮；第五步，用户选择目的地还是出发地点；第六步，用户选择导航的路径，导航开始。在整个的过程中，用户需要触摸或者点击屏幕10次以上，预计操作时间为2分钟左右。由于整个操作过程必须手眼配合按键、点击、旋钮、笔画等操作才能完成信息输入，将导致极大的驾驶危险，所以用户在使用传统的导航时均需要停车在路边集中注意力进行操作。

针对上述缺点，本发明公开了一种面向车载终端设备的全局语音交互方法，图1所示是本全局语音交互方法的工作步骤，具体包括：

(1)采集用户的语音；

(2)将所述语音转换成文本文字，并对所述文本文字进行语义分析；

(3)若所述语义分析结果是直达命令，则直接执行命令；若不是，则转步骤(4)；

(4)根据所述语义分析结果进行搜索，并从搜索结果中选择其中一个作为最优结果；

(5)对所述最优结果进行参数测试，得到匹配结果；

(6)将所述匹配结果传送到对应的应用程序，由应用程序执行命令。

图2是本全局语音交互方法的工作流程。用户在任何时间或界面中，按一下语音键(***上的专用语音按键或方向盘上的语音控制键)，以自然的语言说出用户希望做的事情。全局语音交互***通过声音采集、降噪滤波后进行语音识别，然后对识别得到的文本进行语义分析，根据语义分析结果判定用户的意图，识别出对应的命令，进而调用相应的应用程序或***功能模块的接口，获取相应的信息，最终实现用户目的。

其中，文本文字的解析处理过程包括以下步骤：

1.当接收到文本文字的字符流时，从字符流中逐条识别并提取上述文本命令串，并将其寄存在缓存器中；

2.从缓存器中取出一条待处理的文本命令串，根据文本命令串的方法规则，对待处理的文本命令串进行词法分析，以得到命令词汇表；

3.对命令词汇表中的每个命令词汇进行语法分析，以得到语法分析树；

4.遍历语法分析树，找到每个结点对应的语义属性，从而得到用户自定义结构体。

其中，字符流包含其他协议控制信息。在步骤2中执行以下处理：对待处理的文本文字串逐个字符地进行扫描；当遇到不到识别的字符时，确定词法分析失败，转入文本文字解析失败处理；以及当成功识别每个字符时，得到命令词汇表。

在步骤3中执行以下处理：根据命令词汇表来驱动状态迁移；以及当命令词汇表空，并且语法分析器处于终止状态时，确定语法分析成功，得到语法分析树，否则，语法分析失败，转入文本文字解析失败处理。

在步骤4中执行以下处理：对语法分析树进行先序遍历；当访问到语法分析树的一个结点时，查询语义属性表，找到对应的语义属性；如果没有找到对应的语义属性，则表示该文本文字不存在或者该结点处所描述的关键字不存在，转入文本文字解析失败处理；如果找到对应的语义属性，则按照语义属性的指示构造用户自定义结构体。

其中，当找到对应的语义属性时，执行以下操作：检查该语义属性的各个必选子属性是否都存在，不存在时是否有缺省值可用；根据该属性的存储类型和数据类型判断是否申请新的存在空间，以及申请多大存储空间；该属性在父属性存储空间中的位置偏移量；以及根据这些指示信息构造上述用户自定义结构体。

语义属性表是用户自定义的数据结构是哈希表，其散列关键字是属性名。语义属性描述一条文本文字的一个命令关键字的语义特征，语义属性至少包括：属性名、存储类型、数据类型、和存储位置，用于指示应该如何处理文本文字的关键字的信息表示。

根据语义分析与解析结果进行判断，如果用户说出的不是有效的命令则向用户反馈相关信息；如果用户说出的是有效命令，则继续判断该语义分析与解析结果是否是直接命令。如果是直接命令，则全局语音交互***直接执行相关命令；如果不是直接命令，则将该语义分析与解析结果发送到对应的应用组件或者功能模块中，并由该应用组件或者功能模块的搜索接口，将语义解析结果作为关键词进行检索，搜索结果可以有多个、一个或者未发现。当未发现搜索结果时，提示用户未发现搜索结果；当只有一个搜索结果时，将其放入内容直达模块；当有多个搜索结果时，允许用户选择一个结果，或者设置为默认方式自动选择一个作为最优结果，并将该最优结果放入内容直达模块。

内容直达模块对接收到最优结果进行参数匹配，包括动作测试、类别测试和数据测试。下面进行详细介绍各个具体的测试过程。

首先，内容直达模块对最优结果进行动作测试，内容直达模块包含一个动作列表，该动作列表包括多个动作，并且不能为空，否则将组织所有的动作输出。内容直达模块匹配最优结果的动作，最优结果只能指定一个动作，与动作列表中的所有动作逐一比较，如果两者动作相同，则测试通过；内容直达模块动作列表为空，则动作测试不通过；最优结果不指定动作，并且内容直达模块的动作列表不为空，则测试通过。

再次，内容直达模块对最优结果进行类别测试，如果最优结果的每个类型与内容直达模块中的某一个类型相匹配，匹配过程与动作测试相同，则该最优结果通过类别测试。

最后，内容直达模块对最优结果进行数据测试，每一个搜索结果都指定了一个唯一标识码和一个数据类型。唯一标识码中的每个部分为不同的属性，包括：scheme、host、port、path。这些属性都是可选的，但并非相互独立。当最优结果中的唯一标识码和内容直达模块中的对应内容进行比较时，只和内容直达模块中已经定义了的部分进行比较。例如，如果内容直达模块中定义了scheme，那么唯一标识码包含该scheme的所有搜索结果对象都通过测试，对于path来说，可使用通配符来匹配。最优结果的数据也指定了数据类型，通常情况下，会使用“*”通配符作为子类型。

如果最优结果通过内容直达模块的匹配处理，内容直达模块会反馈一个相应的参数数据，该参数数据用来确定上述的最优结果所属的应用组件或者功能模块，内容直达模块将该参数数据提交到所属的应用组件或者功能模块执行用户命令，启动相关功能模块显示和播放内容。如果无有效内容，则向用户反馈相关信息。

本发明还提供了一种面向车载终端设备的全局语音交互***，用于实现上述的全局语音交互方法。图3显示了本全局语音交互***的整体结构。该全局语音交互***包括：语音采集模块、语音识别模块、语义解析模块和内容直达模块。语音模块被激活后采集用户语音，采集完毕后进行保存同时传送给语音识别模块；语音识别模块对用户语音进行分析处理，转换成文本文字的形式并传送给语义解析模块；语义解析模块对文本文字进行语法分析得到语义分析结果；判断语义分析结果是否是直达命令，如果是则直接转到相应的应用组件执行，如果不是直达命令，则将该语义分析结果传送到内容直达模块，内容直达模块进行参数测试，找到与语义分析结果相匹配的应用组件或者功能模块，执行用户命令，导航开始。

本发明通过方向盘控制按键和全局语音交互***解决用户在使用传统车机各项功能时，由于需要手眼配合，导致用户视线离开前方道路、用户的手离开方向盘，而引发的潜在的驾驶安全问题。利用本发明，驾驶员的整个操作过程仅需一次按键和一句自然语言即可完成输入，反馈以语音的形式播报，整个过程无需手眼配合，使本来繁琐费时的操作变得非常自然简便，用时保持在5～10秒以内，极大地提升了驾驶安全性和操作便利性。

以上对本发明所提供的面向车载终端设备的全局语音交互方法及***进行了详细的说明。对本领域的技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (10)

1.一种面向车载终端设备的全局语音交互方法，其特征在于包括以下步骤：

(1)采集用户的自然语音；

(2)将所述自然语音转换成文本文字，并对所述文本文字进行语义分析；

(3)若所述语义分析结果是直达命令，则直接执行命令；若不是，则转步骤(4)；

(4)根据所述语义分析结果进行搜索，并从搜索结果中选择其中一个作为最优结果；

(5)对所述最优结果进行参数测试，得到匹配结果；

(6)将所述匹配结果传送到对应的应用组件或者功能模块，执行命令。

2.如权利要求1所述的全局语音交互方法，其特征在于，

所述步骤(2)进一步包括以下步骤：

(21)当接收到文本文字的字符流时，从所述字符流中逐条识别并提取文本命令串，并将所述文本命令串寄存在缓存器中；

(22)从所述缓存器中取出一条待处理的所述文本命令串，对待处理的所述文本命令串进行词法分析，以得到所述命令词汇表；

(23)对所述命令词汇表中的每个命令词汇进行语法分析，以得到语法分析树；

(24)遍历所述语法分析树，找到每个结点对应的语义属性，从而得到所述文本文字的语法结构体。

3.如权利要求1所述的全局语音交互方法，其特征在于：

所述步骤(5)中，所述参数测试包括动作测试、类别测试和数据测试。

4.如权利要求3所述的全局语音交互方法，其特征在于：

所述参数测试结束后，返回一个相应参数，所述相应参数用来识别与所述最优结果相对应的应用组件或者功能模块。

5.一种面向车载终端设备的全局语音交互***，用于实现权利要求1～4中任意一项所述的全局语音交互方法，其特征在于包括：语音采集模块、语音识别模块、语义解析模块和内容直达模块，其中，

所述语音采集模块与所述语音识别模块相连接，所述语义解析模块一端与所述语音识别模块相连接，另一端与所述内容直达模块相连接。

6.如权利要求5所述的全局语音交互***，其特征在于：

所述内容直达模块进行参数测试，包括动作测试、类别测试和数据测试。

7.如权利要求6所述的全局语音交互***，其特征在于：

在所述动作测试中，所述内容直达模块包含一个动作列表，该动作列表包括多个动作，并且不能为空；所述内容直达模块匹配最优结果的动作，与所述动作列表中的所有动作逐一比较，如果两者动作相同，则测试通过；如果动作列表为空，则测试不通过；如果最优结果不指定动作，并且内容直达模块的动作列表不为空，则测试通过。

8.如权利要求6所述的全局语音交互***，其特征在于：

在所述类别测试中，如果最优结果的每个类型与所述内容直达模块中的某一个类型相匹配，匹配过程与动作测试相同，则该最优结果通过类别测试。

9.如权利要求6所述的全局语音交互***，其特征在于：

在所述数据测试中，每一个搜索结果都指定了一个唯一标识码和一个数据类型，所述唯一标识码每个部分为不同的属性；当最优结果中的唯一标识码和所述内容直达模块中进行比较时，只和所述内容直达模块中已经定义了的部分进行比较。

10.如权利要求6所述的全局语音交互***，其特征在于：

所述内容直达模块结束参数测试后，返回一个相应参数，所述相应参数用来识别与所述最优结果相对应的应用组件或者功能模块；将所述相应参数传送到对应的应用组件或者功能模块，执行命令。