[发明专利]严酷环境中的声音识别方法及实现的装置

说明书

本发明涉及在“严酷”环境中的声音识别方法及声音命令系统，这便是说声音不仅受到噪声还受到可能作用在用户身上的各种物理的与生理的因素严重干扰。

在诸如军用飞机的坐舱中经常发生的严酷环境中，用于声音捕捉、复原及处理的装置不是最好的，甚至大多数是粗劣地实现的。机组人员与其它说话者之间的无线通信质量低劣。用户与若干其它说话者(其它的飞机、地面台、机组其它成员、再次返回的他们自己的声音)通信。这些通信是单声道的、受干扰影响的、相当不清晰的并且不分层次的。再者，各种物理与生理因素可能干扰用户的能力。这些因素中特别要注意的是飞机的负载系数、氧气面罩、高呼吸压力、飞行员紧张状态。这些低劣通信加上环境噪声明显地增加机组人员的疲劳，甚至损害他们的健康。他们所带的头盔很难防止这些噪声。他们力图使通信在一定程度上更清晰的唯一可利用的措施只有调节声级的控制，这是远远不能满足的。实现这些声音通信的各种装置是不一样的并且它们的特征不总是完全兼容的。再者，机载系统不断增长的复杂性必然带来操作员的超负荷工作、引起紧张、注意力不能集中并最终丧失效率，这对于在最佳状态下执行任务特别有害。在这一上下文中，带有高识别率的声音命令装置特别有利，因为这使得不转移操作员的全部注意力而以相对直接与自然的方式控制复杂的系统成为可能，这远不是使用触摸表面、键盘、多位置按钮时的情况的事情。

本发明的主题为声音命令系统，尤其是对于噪杂环境，能用数百字数量级的词汇表及可包含10个字以上的短语达到高识别率(通常95％)。

本发明的方法的特征在于包含执行粗识别，然后在与存储的声音参照比较之后，提出识别出的N条最佳短语，通过将它们与可能的对话模型比较及执行声波语音解码，从这N条最佳短语中选出最可能的短语。

按照本发明的声音识别系统包括链接在声波语音解码装置以及声音识别装置上的采集装置，该解码装置本身又链接在识别监控装置上，声音识别装置本身又链接在词典、识别监控器及句法识别装置上，后者又链接到对话存储装置上，对话存储装置链接在监控器上。

在阅读了用非限制性示例方式所取的及用附图所例示的实施例的详细描述之后，将更好地理解本发明，附图中：

单一的图是按照本发明的声音命令系统的方框图。

下面参照飞机电话机系统描述本发明，尤其是对于战斗机，但当然不限于这一应用并且在其它类型的交通工具(陆上或海上)及固定的装置中也能实现得一样好，尤其是在诸如冶金工厂等非常噪杂的环境中。在本例中，这一系统的用户为战斗机的飞行员，但当然可以同时有若干用户，特别是在民用运输机的情况中，可按对应的数目提供各用户专用的装置。

声音识别系统1由用名词“声音命令开/关按钮”表示的按钮2操作。需要这一按钮2来区分通信信号(机上内部通信、无线电通信)与用户发布的语音命令。按压这一开/关触发声音识别装置3的算法程序。这一装置3连续地接收麦克风样本帧(其通过可能是总线的导线4而源自麦克风电路(未示出))并将它们贮存在存储器5的缓冲区中(能存储诸如150ms说话)，从而该电路能搜索按压按钮2之前的发音的起点。

装置3链接在识别监控器装置6上并经由句法识别装置7到用于存储与检验对话模型的装置8上，后者本身又链接在装置6上。装置6通过接口9并通过总线10链接在未示出的管理处理器上。装置1还包含将存储器5连接在监控器6上的声波语音解码装置11、链接在装置3上的声音参照词典12以及将监控器6链接在总线4上的用于基于正文合成的装置13。词典12通过总线4链接在接口14上，后者有利地与存储有关于拥有本卡的说话人的参数的定制存储器卡15合作，以便优化词典12的声音参照。当然，读卡器与卡可用任何等效装置替代(插接ROM、远程加载等)。

装置3将在它从存储器5接收的样本的基础上识别出的一条或多条短语提供给监控电路6。装置3以传统方式含三部分；采集、参数化与模式识别。对于16位宽的字，源自总线4的声音信号的采集是有利地在12KHz的抽样频率上进行的。