车上设备人机语音接口
6 语音命令处理策略
语音接口中最重要也是最难处理的是语音命令的识别部分。在车辆环境下，识别方法必须对车辆运行中可能的噪声和车内的回音具有鲁棒性，并且要有足够高的识别准确率和具有响应的实时性。为了实现这些目标，这个系统中，在语音信号输入通道中引入了噪声抵消和回音抵消技术；在语音识别算法中采用多步分层策略，使每一步的有效待识别词汇集尽量小，以提高每一步识别的准确度和提高识别速度。
在语音识别中另外一个问题是对说话人口音语速等方面的适应。由于汽车具有特定人使用的特点，也就是一般有一个特定的人使用这个汽车，所以这个语音识别过程采用特定人语音识别技术，而且RSC364支持特定人语音识别，并具有很高的识别率。它可由使用者直接训练语音识别系统，形成词汇的模板可以大大提高系统对这个使用者的语音识别准确度。
在汽车一定的状态下，和当前输入的命令状态下，下一步输入的可能的有效命令构成这个命令的一个合法后续命令集，依次类推，语音命令之间构成一个树型结构，称为命令树。在正确识别一个命令后，其后续输入的语音识别只在已识别命令的孩子节点集中进行。根据归纳的情况，一个命令的有效后续命令不超过20 个。在这样的词汇集中进行识别，可以达到很高的识别率，而且识别速度很快。
命令树有三层。第一层的可能命令集为：
Top={“复位”，“退出”，“状态”，“故障”，“关闭”，“电话”，“CD”，“车窗”，“空调”，“导航”，“启动提示”，“关闭提示”，“信箱” }
其中有后续（下层）命令的命令有 “电话”，“CD”，“车窗”，“空调”，“导航”， “信箱”表示要打电话的“电话”命令的后续命令有：
Tel-1={“拨号”，“挂机”，“重拨”}
其中，“拨号”的后续命令集为：
Tel-2={“0”， “1”， “2”， “3”， “4”， “5”， “6”， “7”， “8”， “9”， “通话”}。
表示播放C1D 的命令 “CD” 的后续命令集为：
CD-1={“播放”，“关机”，“增大”，“降低”}
车窗控制命令 “车窗”的后续命令集为：
Win-1={“左前”，“左后”，“右前”，“右后”}
表示选择要操作的车窗。其中每一个命令都对应有以下后续命令集：
Win-2={“升”，“降”，“停”}
表示要进行空调操作的“空调”命令有以下后续操作：
AC-1={“启动”，“关闭”，“提高”，“降低”}
在每一种命令的操作过程中都可以通过“复位”命令终止这个过程，而回到初始化时的状态。
每一个命令集在RSC364 中都用一个单独的词汇模板，以便进行训练。
7 结束语
本文介绍的系统可以作为一个统一的车上人机语音接口。与其它方式比较具有以下特点：
（1） 成本和价格完全处于车上应用能够接受的范围；单片机（嵌入式系统）能够满足其对计算能力和存储量的要求。
（2） 采用噪声和回声抵消等技术，使其完全能够满足车上环境的应用要求，可以达到用户接受的准确率。
（3） 通过网络与被访问设备连接，结构灵活、连接线路简单、适应性强。
基于语音的车上设备人机界面被认为是最自然、最安全、也最有发展潜力的人机交互方式。本文介绍的工作，目前还处于研究开发初级阶段，要应用于实车还有很多工作；而且，涉及到车上其它设备的连接问题。但是，这里给出的技术方法已经勾画出了一个完整的体系结构，进一步的工作可以在其基础上细化完成。汽车电子装置的网络化连接已经是一个必然的趋势，在这些装置具备网络连接接口时，本系统的连入就是一个非常自然和简单的事情了。虽然从目前的情况看，语音接口方式还不能推广应用，但它是一项必然要采用的技术方法。超前的研究开发工作对提高我国汽车电子技术水平具有实际意义。
参考文献
1 Charles J. Murray. “Automakers struggle with speech recognition technology,” EE Times Dec 1, 2000
2 Deborah F.Allinger. Charles Strauss and Dennis Kwon. “ Applications of speech technology to unmanned vehicles,” 20th Digital Avionics Systems Conference, Volume: 1, 2001. Page(s): 5B4/1 -5B4/9
3 T. Kuhn, A.Jameel, M.Stumpfle and A. Haddadi, “Hybrid in-car speech recognition for mobile multimedia application.” IEEE 49th Vehicular Technology Conference, Volume: 3 , 1999. Page(s): 2009～2013
4 Lawrence Rabiner, B-H Juang. “Fundamentals of Speech Recognition”. 北京：清华大学出版社，1999(end)
语音接口中最重要也是最难处理的是语音命令的识别部分。在车辆环境下，识别方法必须对车辆运行中可能的噪声和车内的回音具有鲁棒性，并且要有足够高的识别准确率和具有响应的实时性。为了实现这些目标，这个系统中，在语音信号输入通道中引入了噪声抵消和回音抵消技术；在语音识别算法中采用多步分层策略，使每一步的有效待识别词汇集尽量小，以提高每一步识别的准确度和提高识别速度。
在语音识别中另外一个问题是对说话人口音语速等方面的适应。由于汽车具有特定人使用的特点，也就是一般有一个特定的人使用这个汽车，所以这个语音识别过程采用特定人语音识别技术，而且RSC364支持特定人语音识别，并具有很高的识别率。它可由使用者直接训练语音识别系统，形成词汇的模板可以大大提高系统对这个使用者的语音识别准确度。
在汽车一定的状态下，和当前输入的命令状态下，下一步输入的可能的有效命令构成这个命令的一个合法后续命令集，依次类推，语音命令之间构成一个树型结构，称为命令树。在正确识别一个命令后，其后续输入的语音识别只在已识别命令的孩子节点集中进行。根据归纳的情况，一个命令的有效后续命令不超过20 个。在这样的词汇集中进行识别，可以达到很高的识别率，而且识别速度很快。
命令树有三层。第一层的可能命令集为：
Top={“复位”，“退出”，“状态”，“故障”，“关闭”，“电话”，“CD”，“车窗”，“空调”，“导航”，“启动提示”，“关闭提示”，“信箱” }
其中有后续（下层）命令的命令有 “电话”，“CD”，“车窗”，“空调”，“导航”， “信箱”表示要打电话的“电话”命令的后续命令有：
Tel-1={“拨号”，“挂机”，“重拨”}
其中，“拨号”的后续命令集为：
Tel-2={“0”， “1”， “2”， “3”， “4”， “5”， “6”， “7”， “8”， “9”， “通话”}。
表示播放C1D 的命令 “CD” 的后续命令集为：
CD-1={“播放”，“关机”，“增大”，“降低”}
车窗控制命令 “车窗”的后续命令集为：
Win-1={“左前”，“左后”，“右前”，“右后”}
表示选择要操作的车窗。其中每一个命令都对应有以下后续命令集：
Win-2={“升”，“降”，“停”}
表示要进行空调操作的“空调”命令有以下后续操作：
AC-1={“启动”，“关闭”，“提高”，“降低”}
在每一种命令的操作过程中都可以通过“复位”命令终止这个过程，而回到初始化时的状态。
每一个命令集在RSC364 中都用一个单独的词汇模板，以便进行训练。
7 结束语
本文介绍的系统可以作为一个统一的车上人机语音接口。与其它方式比较具有以下特点：
（1） 成本和价格完全处于车上应用能够接受的范围；单片机（嵌入式系统）能够满足其对计算能力和存储量的要求。
（2） 采用噪声和回声抵消等技术，使其完全能够满足车上环境的应用要求，可以达到用户接受的准确率。
（3） 通过网络与被访问设备连接，结构灵活、连接线路简单、适应性强。
基于语音的车上设备人机界面被认为是最自然、最安全、也最有发展潜力的人机交互方式。本文介绍的工作，目前还处于研究开发初级阶段，要应用于实车还有很多工作；而且，涉及到车上其它设备的连接问题。但是，这里给出的技术方法已经勾画出了一个完整的体系结构，进一步的工作可以在其基础上细化完成。汽车电子装置的网络化连接已经是一个必然的趋势，在这些装置具备网络连接接口时，本系统的连入就是一个非常自然和简单的事情了。虽然从目前的情况看，语音接口方式还不能推广应用，但它是一项必然要采用的技术方法。超前的研究开发工作对提高我国汽车电子技术水平具有实际意义。
参考文献
1 Charles J. Murray. “Automakers struggle with speech recognition technology,” EE Times Dec 1, 2000
2 Deborah F.Allinger. Charles Strauss and Dennis Kwon. “ Applications of speech technology to unmanned vehicles,” 20th Digital Avionics Systems Conference, Volume: 1, 2001. Page(s): 5B4/1 -5B4/9
3 T. Kuhn, A.Jameel, M.Stumpfle and A. Haddadi, “Hybrid in-car speech recognition for mobile multimedia application.” IEEE 49th Vehicular Technology Conference, Volume: 3 , 1999. Page(s): 2009～2013
4 Lawrence Rabiner, B-H Juang. “Fundamentals of Speech Recognition”. 北京：清华大学出版社，1999(end)
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码